使用group_by（多个variables）时dplyr问题
我想开始使用dplyr来代替ddply，但是我无法得到它是如何工作的（我已阅读文档）。
例如，为什么当我尝试mutate（）时，“group_by”函数不工作，因为它应该？
看mtcars：
库（车）
说我做了一个data.frame这是一个mtcars总结，分为“cyl”和“齿轮”：
df1 <- mtcars %.% group_by(cyl, gear) %.% summarise( newvar = sum(wt) ) 然后说我想进一步总结这个数据框。 使用ddply，这将是直接的，但是当我尝试使用dplyr时，它实际上并不是“按…分组”：
df2 <- df1 %.% group_by(cyl) %.% mutate( newvar2 = newvar + 5 )
仍产生一个未分组的输出：
cyl gear newvar newvar2 1 6 3 6.675 11.675 2 4 4 19.025 24.025 3 6 4 12.375 17.375 4 6 5 2.770 7.770 5 4 3 2.465 7.465 6 8 3 49.249 54.249 7 4 5 3.653 8.653 8 8 5 6.740 11.740
我在语法上做错了什么？
编辑：
如果我要用plyr和ddply来做到这一点：
df1 <- ddply(mtcars, .(cyl, gear), summarise, newvar = sum(wt))
然后得到第二个df：
df2 <- ddply(df1, .(cyl), summarise, newvar2 = sum(newvar) + 5)
但是sumre（）函数中的sum（newvar）+ 5和dplyr不能一样的方法。
让Dickoa的答案更进一步 – 正如Hadley所说的“总结剥离一个单一的分组层次”。 它会从您应用它的相反顺序中剥离分组，以便您可以使用
mtcars %>% group_by(cyl, gear) %>% summarise(newvar = sum(wt)) %>% summarise(newvar2 = sum(newvar) + 5)
请注意，如果在第二行使用group_by(gear, cyl) ，这将给出不同的答案。
为了让你第一次尝试工作：
df1 <- mtcars %>% group_by(cyl, gear) %>% summarise(newvar = sum(wt)) df2 <- df1 %>% group_by(cyl) %>% summarise(newvar2 = sum(newvar)+5)
我有一个类似的问题。 我发现，简单的分离plyr解决了它：
detach(package:plyr) library(dplyr)
如果您使用summarise而不是mutate将您的plyr代码转换为dplyr ，则会得到相同的结果。
library(plyr) df1 <- ddply(mtcars, .(cyl, gear), summarise, newvar = sum(wt)) df2 <- ddply(df1, .(cyl), summarise, newvar2 = sum(newvar) + 5) df2 ## cyl newvar2 ## 1 4 30.143 ## 2 6 26.820 ## 3 8 60.989 detach(package:plyr) library(dplyr) mtcars %.% group_by(cyl, gear) %.% summarise(newvar = sum(wt)) %.% group_by(cyl) %.% summarise(newvar2 = sum(newvar) + 5) ## cyl newvar2 ## 1 4 30.143 ## 2 8 60.989 ## 3 6 26.820
编辑
由于summarise了最后一组（ gear ），你可以跳过第二个group_by （见下面的@hadley注释）
library(dplyr) mtcars %.% group_by(cyl, gear) %.% summarise(newvar = sum(wt)) %.% summarise(newvar2 = sum(newvar) + 5) ## cyl newvar2 ## 1 4 30.143 ## 2 8 60.989 ## 3 6 26.820
分离plyr是解决问题的一种方法，因此您可以根据需要使用dplyr函数…但是如果您需要plyr其他函数来完成代码中的其他任务呢？
（在这个例子中，我已经加载了dplyr和plyr库）
假设我们有一个简单的data.frame，并且我们想要计算variablesvalue的gname总和，当按不同级别的gname
> dx<-data.frame(gname=c(1,1,1,2,2,2,3,3,3), value = c(2,2,2,4,4,4,5,6,7)) > dx gname value 1 1 2 2 1 2 3 1 2 4 2 4 5 2 4 6 2 4 7 3 5 8 3 6 9 3 7
但是，当我们试图使用我们认为会产生dplyr分组的总和时，会发生以下情况：
dx %>% group_by(gname) %>% mutate(mysum=sum(value)) Source: local data frame [9 x 3] Groups: gname gname value mysum 1 1 2 36 2 1 2 36 3 1 2 36 4 2 4 36 5 2 4 36 6 2 4 36 7 3 5 36 8 3 6 36 9 3 7 36
它没有给我们想要的答案。 可能是由于dplyr和plyr之间的group_by和/或mutate函数的一些交互或重载。 我们可以分离plyr ，但另一种方法是给予group_by和mutate的dplyr版本一个独特的调用：
dx %>% dplyr::group_by(gname) %>% dplyr::mutate(mysum=sum(value)) Source: local data frame [9 x 3] Groups: gname gname value mysum 1 1 2 6 2 1 2 6 3 1 2 6 4 2 4 12 5 2 4 12 6 2 4 12 7 3 5 18 8 3 6 18 9 3 7 18
现在我们看到这个按预期工作。
dplyr正如你在你的例子中所期望的那样工作。 就像你指定的那样，mutate只会为newvar的每个值加5，因为它会创buildnewvar2。 如果你组合，这看起来是一样的。 但是，如果你指定了一组不同的组，你将会得到不同的结果。 例如：
df1 %.% group_by(cyl) %.% mutate( newvar2 = newvar + mean(cyl) )
