按dplyr中的多列进行分组，使用string向量input
我试图把我对plyr的理解转换成dplyr，但我无法弄清楚如何按多列进行分组。
# 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 我错过了将plyr的例子翻译成dplyr-esque的语法？
编辑2017年 ：Dplyr已经更新，所以一个更简单的解决scheme是可用的。 看到当前select的答案。
自从发布这个问题以来，dplyr添加了group_by范围版本（ 文档在这里 ）。 这可以让你使用和select一样的函数，如下所示：
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
示例问题的输出如预期的（参见上面的plyr和下面的输出）：
# A tibble: 9 x 3 # Groups: asihckhdoydkhxiydfgfTgdsx [?] asihckhdoydkhxiydfgfTgdsx a30mvxigxkghc5cdsvxvyv0ja Value <fctr> <fctr> <dbl> 1 AA 0.04095002 2 AB 0.24943935 3 AC -0.25783892 4 BA 0.15161805 5 BB 0.27189974 6 BC 0.20858897 7 CA 0.19502221 8 CB 0.56837548 9 CC -0.22682998
请注意，由于dplyr::summarize只剥离一个分组层，所以在dplyr::summarize仍然有一些分组正在进行（有时候可能会被人们惊讶地发现）。 如果你想从意外的分组行为中绝对安全，总是可以在pipe道中添加%>% ungroup 。
为了编写完整的代码，下面是哈德利的新答案的更新：
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())
输出：
Source: local data frame [9 x 3] Groups: asihckhdoydk asihckhdoydk a30mvxigxkgh n 1 AA 10 2 AB 10 3 AC 13 4 BA 14 5 BB 10 6 BC 12 7 CA 9 8 CB 12 9 CC 10
在dplyr中对此的支持目前非常薄弱，最终我认为语法是这样的：
df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))
但这可能不会在那里一段时间（因为我需要考虑所有的后果）。
同时，您可以使用regroup() ，它带有一个符号列表：
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())
如果你有一个列名称的字符向量，你可以使用lapply()和as.symbol()将它们转换为正确的结构：
vars <- setdiff(names(df), "value") vars2 <- lapply(vars, as.symbol) df %.% regroup(vars2) %.% summarise(n = n())
dplyr中列的string规范现在通过dplyr函数的变体来支持，其名称以下划线结尾。 例如，对应于group_by函数，有一个可能需要string参数的group_by_函数。 这个小插图详细描述了这些函数的语法。
以下代码清楚地解决了@sharoz最初提出的问题（注意需要写出.dots参数）：
# Given data and columns from the OP data %>% group_by_(.dots = columns) %>% summarise(Value = mean(value))
（请注意，dplyr现在使用%>%运算符，而%.%已弃用）。
直到dplyr完全支持string参数，或许这个要点是有用的：
https://gist.github.com/skranz/9681509
它包含一堆包装函数，如s_group_by，s_mutate，s_filter等等，它们使用string参数。 你可以将它们与普通的dplyr函数混合使用。 例如
cols = c("cyl","gear") mtcars %.% s_group_by(cols) %.% s_summarise("avdisp=mean(disp), max(disp)") %.% arrange(avdisp)
如果你把它传递给对象（当然，你不是，但是…），而不是作为一个字符向量：
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 AC 0.046538002 2 CB -0.286359899 3 BA -0.305159419 4 CA -0.004741504 5 BB 0.520126476 6 CC 0.086805492 7 BC -0.052613078 8 AA 0.368410146 9 AB 0.088462212
df是你的data 。
?group_by说：
...: variables to group by. All tbls accept variable names, some will also accept functons of variables. Duplicated groups will be silently dropped.
我解释的意思是不是名称的字符版本，但如何在foo$bar引用它们; bar在这里没有引用。 或者如何引用公式中的variables： foo ~ bar 。
@阿伦也提到你可以这样做：
df %.% group_by("asdfgfTgdsx", "asdfk30v0ja") %.% summarise(Value = mean(value))
但是你不能传入一些未被评估的东西，而不是数据对象中的一个variables的名字。
我认为这是由于哈德利用内部方法来查看你通过...论证所传递的东西。
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))
这个答案中缺less一个（很小的）例子，我想明确指出的是，在一个stream水线中间dynamic生成要分组的variables：
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_") )
这基本上说明了如何结合使用grep和group_by_(.dots = ...)来实现这一点。
