Dize vektör girdisini kullanarak dplyr'de birden çok sütuna göre gruplama

Plyr anlayışımı dplyr'a aktarmaya çalışıyorum, ancak birden çok sütuna göre nasıl gruplanacağını anlayamıyorum.

# make data with weird column names that can't be hard coded
data = data.frame(
  asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

# plyr - works
ddply(data, columns, summarize, value=mean(value))

# dplyr - raises error
data %.%
  group_by(columns) %.%
  summarise(Value = mean(value))
#> Error in eval(expr, envir, enclos) : index out of bounds

Plyr örneğini bir dplyr-esque sözdizimine çevirmek için ne eksik?

Edit 2017 : Dplyr güncellendi, böylece daha basit bir çözüm mevcut. Şu anda seçili cevaba bakın.

Bu soru yayınlandığından beri, dplyr group_by( burada dokümantasyon ) kapsamlarının sürümlerini ekledi . Bu select, aşağıdaki gibi aynı işlevleri kullanmanıza olanak tanır :

data = data.frame(
    asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

library(dplyr)
df1 <- data %>%
  group_by_at(vars(one_of(columns))) %>%
  summarize(Value = mean(value))

#compare plyr for reference
df2 <- plyr::ddply(data, columns, plyr::summarize, value=mean(value))
table(df1 == df2, useNA = 'ifany')
## TRUE 
##  27 

Örnek sorunuzun çıktısı beklendiği gibidir (yukarıdaki kat ve aşağıdaki çıktı ile karşılaştırmaya bakın):

# A tibble: 9 x 3
# Groups:   asihckhdoydkhxiydfgfTgdsx [?]
  asihckhdoydkhxiydfgfTgdsx a30mvxigxkghc5cdsvxvyv0ja       Value
                     <fctr>                    <fctr>       <dbl>
1                         A                         A  0.04095002
2                         A                         B  0.24943935
3                         A                         C -0.25783892
4                         B                         A  0.15161805
5                         B                         B  0.27189974
6                         B                         C  0.20858897
7                         C                         A  0.19502221
8                         C                         B  0.56837548
9                         C                         C -0.22682998

Not beri dplyr::summarizebir defada sadece gruplama biri tabakasının kapalı şeritler, hala var bazı (bazen satır aşağı sonradan sürpriz insanları yakalamak olan) çıkan Tibble oluyor gruplama. Beklenmedik gruplama davranışından kesinlikle güvende olmak istiyorsanız, %>% ungroupözetledikten sonra her zaman ardışık düzeninize ekleyebilirsiniz .

Kodu tam olarak yazabilmek için, Hadley'in yeni sözdizimi ile ilgili cevabı hakkında bir güncelleme:

library(dplyr)

df <-  data.frame(
    asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# Columns you want to group by
grp_cols <- names(df)[-3]

# Convert character vector to list of symbols
dots <- lapply(grp_cols, as.symbol)

# Perform frequency counts
df %>%
    group_by_(.dots=dots) %>%
    summarise(n = n())

çıktı:

Source: local data frame [9 x 3]
Groups: asihckhdoydk

  asihckhdoydk a30mvxigxkgh  n
1            A            A 10
2            A            B 10
3            A            C 13
4            B            A 14
5            B            B 10
6            B            C 12
7            C            A  9
8            C            B 12
9            C            C 10

Bu dplyr için destek şu anda oldukça zayıf, sonunda ben sözdizimi gibi bir şey olacağını düşünüyorum:

df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))

Ama bu muhtemelen bir süre orada olmayacak (çünkü tüm sonuçları düşünmem gerekiyor).

Bu arada, regroup()sembollerin bir listesini alan kullanabilirsiniz :

library(dplyr)

df <-  data.frame(
  asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

df %.%
  regroup(list(quote(asihckhdoydk), quote(a30mvxigxkgh))) %.%
  summarise(n = n())

Sütun adlarının bir karakter vektör var varsa, doğru yapıya çevirebiliriz lapply()ve as.symbol():

vars <- setdiff(names(df), "value")
vars2 <- lapply(vars, as.symbol)

df %.% regroup(vars2) %.% summarise(n = n())

İçindeki sütunların dize belirtimi dplyr artık dplyralt çizgi içinde isimleri biten işlevlerin varyantları tarafından desteklenmektedir . Örneğin, group_byişleve karşılık olarak, group_by_dize bağımsız değişkenleri alabilen bir işlev vardır. Bu vinyet , bu işlevlerin sözdizimini ayrıntılı olarak açıklamaktadır.

Aşağıdaki kod parçası, @sharoz'un asıl oluşturduğu sorunu temiz bir şekilde çözmektedir ( .dotsargümanı yazma gereğini not edin ):

# Given data and columns from the OP

data %>%
    group_by_(.dots = columns) %>%
    summarise(Value = mean(value))

(Dplyr'in şimdi %>%operatörü kullandığını ve %.%kullanımdan kaldırıldığını unutmayın).

Dplyr dize argümanları için tam desteğe sahip olana kadar, belki de bu öz yararlıdır:

https://gist.github.com/skranz/9681509

Dize argümanlarını kullanan s_group_by, s_mutate, s_filter, vb. Bunları normal dplyr işlevleriyle karıştırabilirsiniz. Örneğin

cols = c("cyl","gear")
mtcars %.%
  s_group_by(cols) %.%  
  s_summarise("avdisp=mean(disp), max(disp)") %.%
  arrange(avdisp)

Bir karakter vektöründen ziyade nesneleri iletirseniz çalışır (iyi değilsiniz, ama ...):

df %.%
    group_by(asdfgfTgdsx, asdfk30v0ja) %.%
    summarise(Value = mean(value))

> df %.%
+   group_by(asdfgfTgdsx, asdfk30v0ja) %.%
+   summarise(Value = mean(value))
Source: local data frame [9 x 3]
Groups: asdfgfTgdsx

  asdfgfTgdsx asdfk30v0ja        Value
1           A           C  0.046538002
2           C           B -0.286359899
3           B           A -0.305159419
4           C           A -0.004741504
5           B           B  0.520126476
6           C           C  0.086805492
7           B           C -0.052613078
8           A           A  0.368410146
9           A           B  0.088462212

nerede dfoldu senindata .

?group_by diyor:

 ...: variables to group by. All tbls accept variable names, some
      will also accept functons of variables. Duplicated groups
      will be silently dropped.

hangi isimlerin karakter versiyonları değil, bunlara nasıl atıfta bulunacağınız anlamına gelir foo$bar; barburada alıntılanmaz. Veya bir formüldeki değişkenlere nasıl başvuracağınız:foo ~ bar .

@Arun ayrıca şunları yapabileceğinizden de bahseder:

df %.%
    group_by("asdfgfTgdsx", "asdfk30v0ja") %.%
    summarise(Value = mean(value))

Ama değerlendirilmemiş bir şeye geçemezsiniz veri nesnesindeki bir değişkenin adı olmayan bir .

Bunun Hadley'in ...argüman aracılığıyla aktardığınız şeyleri aramak için kullandığı dahili yöntemlerden kaynaklandığını düşünüyorum .

data = data.frame(
  my.a = sample(LETTERS[1:3], 100, replace=TRUE),
  my.b = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

group_by(data,newcol=paste(my.a,my.b,sep="_")) %>% summarise(Value=mean(value))

Burada açıklamak istediğim cevaplardan eksik olan bir (küçük) vaka, gruplanacak değişkenlerin bir boru hattında dinamik olarak orta akışta oluşturulduğu zamandır:

library(wakefield)
df_foo = r_series(rnorm, 10, 1000)
df_foo %>% 
  # 1. create quantized versions of base variables
  mutate_each(
    funs(Quantized = . > 0)
  ) %>% 
  # 2. group_by the indicator variables
  group_by_(
    .dots = grep("Quantized", names(.), value = TRUE)
    ) %>% 
  # 3. summarize the base variables
  summarize_each(
    funs(sum(., na.rm = TRUE)), contains("X_")
  )

Bu temelde bunu başarmak için grepbirlikte nasıl kullanılacağını gösterir group_by_(.dots = ...).

Bağımsız .dotsdeğişkenin dplyr::group_byişleve karakter vektör girişi olarak kullanılmasına ilişkin genel örnek :

iris %>% 
    group_by(.dots ="Species") %>% 
    summarise(meanpetallength = mean(Petal.Length))

Veya gruplama değişkeni için sabit bir kod adı olmadan (OP tarafından sorulduğu gibi):

iris %>% 
    group_by(.dots = names(iris)[5]) %>% 
    summarise_at("Petal.Length", mean)

OP örneği ile:

data %>% 
    group_by(.dots =names(data)[-3]) %>% 
    summarise_at("value", mean)

Ayrıca zamirleri, quasiquotation, quosures ve tidyeval açıklayan programlama dplyr vinyet .