迹忆客 专注技术分享

当前位置:主页 > 学无止境 > 编程语言 >

在 R Dplyr 中使用 group_by 函数

作者:迹忆客 最近更新:2023/03/21 浏览次数:

dplyr 包的 group_by() 函数帮助我们根据不同列中的值对行进行分组。然后,我们可以使用这些组来创建摘要、选择特定组进行进一步分析,或者根据组属性创建新列。

在 R 中设置 dplyr

我们需要安装和加载 dplyr 包并创建一个 tibble 来说明 group_by() 函数的工作。

示例代码:

# Install dplyr. Or install the tidyverse.
# UNCOMMENT THE FOLLOWING LINE TO INSTALL.
# install.packages("dplyr")

# Load dplyr
library(dplyr)

# Create vectors.
set.seed(11)
Col_code = sample(2200:7200, 10, replace=FALSE)
set.seed(222)
Col_one = sample(c("RD", "GN", "YW"), 10, replace = TRUE)
set.seed(4444)
Col_two = sample(c(3, 6), 10, replace = TRUE)

# Create a tibble.
my_t = tibble(Col_code, Col_one, Col_two)

# View the tibble.
my_t

在 R 中使用 group_by() 函数

当我们在 tibble 上使用 group_by() 时,似乎什么都没有发生。group_by() 函数仅标记用于分组的列。

示例代码:

# Use group_by().
group_by(my_t, Col_two)

输出:

# A tibble: 10 x 3
# Groups:   Col_two [2]
   Col_code Col_one Col_two
      <int> <chr>     <dbl>
 1     3985 RD            6
 2     2233 GN            6
 3     2895 YW            6
 4     3120 GN            6
 5     6439 YW            3
 6     4819 GN            6
 7     2573 GN            6
 8     5484 RD            6
 9     6509 GN            3
10     4309 RD            3

该代码返回一个与原始行数相同的 tibble。但请注意输出第二行中的注释。

指定的列已标记为分组。

在 R 中使用 group_by()summarize()

在许多情况下,group_by()summarize() 结合使用。该函数也可以拼写为 summarise()

由于我们已经对数据进行了分组,我们可以使用每个组的 summarize() 函数。在示例中,我们将使用 summarize() 中的 n() 函数来计算每个组中的行数。

我们还将使用管道运算符 %>% 来提高代码的可读性。

示例代码:

# Group by one column.
my_t %>% group_by(Col_two) %>% summarize(n())

输出:

# A tibble: 2 x 2
  Col_two `n()`
    <dbl> <int>
1       3     3
2       6     7

对于输出中的 Col_two 的每个值,我们都有一行。

我们可以一次按多列分组,如下所示。

示例代码:

# Group by more than one column.
my_t %>% group_by(Col_one, Col_two) %>% summarize(Num_Rows = n())

输出:

# A tibble: 6 x 3
# Groups:   Col_one [3]
  Col_one Col_two Num_Rows
  <chr>     <dbl>    <int>
1 GN            3        1
2 GN            6        4
3 RD            3        1
4 RD            6        2
5 YW            3        1
6 YW            6        1

在输出中,Col_oneCol_two 的每个组合都有一行,它们存在于原始 tibble 中。最后一列是用 n() 创建的,显示每个组合有多少行。

summarize() 函数可以计算多个组统计数据,例如 mean

示例代码:

# Calculate the mean.
# The output has 3 significant digits by default.
my_t %>% group_by(Col_one, Col_two) %>% summarize(mean(Col_code))

# Convert the output to a data frame to see the decimal places.
my_t %>% group_by(Col_one, Col_two) %>% summarize(mean(Col_code)) %>% as.data.frame()

输出:

> my_t %>% group_by(Col_one, Col_two) %>% summarize(mean(Col_code))
`summarise()` has grouped output by 'Col_one'. You can override using the `.groups` argument.
# A tibble: 6 x 3
# Groups:   Col_one [3]
  Col_one Col_two `mean(Col_code)`
  <chr>     <dbl>            <dbl>
1 GN            3            6509
2 GN            6            3186.
3 RD            3            4309
4 RD            6            4734.
5 YW            3            6439
6 YW            6            2895

> # Convert the output to a data frame to see the decimal places.
> my_t %>% group_by(Col_one, Col_two) %>% summarize(mean(Col_code)) %>% as.data.frame()
`summarise()` has grouped output by 'Col_one'. You can override using the `.groups` argument.
  Col_one Col_two mean(Col_code)
1      GN       3        6509.00
2      GN       6        3186.25
3      RD       3        4309.00
4      RD       6        4734.50
5      YW       3        6439.00
6      YW       6        2895.00

第一行返回了一个 tibble。默认情况下,tibble 打印具有三位有效数字的数字。

我们可以将输出转换为数据帧,以获得通常格式的输出。

我们还可以使用 tibble 包(或 pillar 包)的 num() 函数来显示十进制数字。我们将使用一个负整数来指定要显示的最大十进制位数。

示例代码:

library(tibble)
my_t %>% group_by(Col_one, Col_two) %>% summarize(tMean = num(mean(Col_code),digits=-2))

输出:

# A tibble: 6 x 3
# Groups:   Col_one [3]
  Col_one Col_two    tMean
  <chr>     <dbl> <num:.2>
1 GN            3  6509
2 GN            6  3186.25
3 RD            3  4309
4 RD            6  4734.5
5 YW            3  6439
6 YW            6  2895

需要特别注意的一点是 summarize() 删除了最后一个分组级别。为了看到这种效果,我们将中间结果保存到新对象中,并使用 group_vars() 函数来检查分组。

示例代码:

# Create a tibble with two levels of groupings.
tib_2_gr = my_t %>% group_by(Col_one, Col_two)

# Check that the tibble is grouped by two variables.
group_vars(tib_2_gr)

# Use the summarize() function once.
tib_1_gr = my_t %>% group_by(Col_one, Col_two) %>% summarize(Num_Rows = n())

# Check that the new tibble is grouped by only one variable after using summarize().
group_vars(tib_1_gr)

输出:

> group_vars(tib_2_gr)
[1] "Col_one" "Col_two"

> group_vars(tib_1_gr)
[1] "Col_one"

在 R 中使用 group_by()filter()

与具有单独的 wherehaving 子句的 SQL 不同,dplyr 的 filter() 函数适用于未分组和分组的数据。

我们将首先对分组 tibble 中原始数据的值使用 filter()

示例代码:

# Create a tibble with groups.
t_fil = my_t %>% group_by(Col_one, Col_two)

# Remove rows where Col_one is 'RD'.
t_fil %>% filter(Col_one != "RD")

输出:

# A tibble: 7 x 3
# Groups:   Col_one, Col_two [4]
  Col_code Col_one Col_two
     <int> <chr>     <dbl>
1     2233 GN            6
2     2895 YW            6
3     3120 GN            6
4     6439 YW            3
5     4819 GN            6
6     2573 GN            6
7     6509 GN            3

数据被过滤,分组仍然存在。我们现在可以使用 summarize() 来获取组摘要。

接下来,让我们对我们为组计算的值使用过滤器。

示例代码:

# First summarize.
t_fil %>% summarize(AVE = num(mean(Col_code), digits=-2))

# Now filter the summarized data.
# We will provide the new summary column to the filter function.
t_fil %>% summarize(AVE = num(mean(Col_code), digits=-2)) %>% filter(AVE > 4000)

输出:

# A tibble: 4 x 3
# Groups:   Col_one [3]
  Col_one Col_two      AVE
  <chr>     <dbl> <num:.2>
1 GN            3   6509
2 RD            3   4309
3 RD            6   4734.5
4 YW            3   6439

在 R 中使用 group_by()mutate()

在下面的示例中,我们将看到 mutate() 作用于已定义的组。新列给出了指定组 Col_one 的最小值 Col_code

示例代码:

# Group data.
t_mut = my_t %>% group_by(Col_one)

# Mutate based on grouping.
t_mut %>% mutate(MIN_GR_CODE = min(Col_code)) %>% arrange(.by_group = TRUE)

# If we use summarize(), we do not get the columns that were not grouped.
t_mut %>% summarize(MIN_GR_CODE = min(Col_code))

输出:

> # Mutate based on grouping.
> t_mut %>% mutate(MIN_GR_CODE = min(Col_code)) %>% arrange(.by_group = TRUE)
# A tibble: 10 x 4
# Groups:   Col_one [3]
   Col_code Col_one Col_two MIN_GR_CODE
      <int> <chr>     <dbl>       <int>
 1     2233 GN            6        2233
 2     3120 GN            6        2233
 3     4819 GN            6        2233
 4     2573 GN            6        2233
 5     6509 GN            3        2233
 6     3985 RD            6        3985
 7     5484 RD            6        3985
 8     4309 RD            3        3985
 9     2895 YW            6        2895
10     6439 YW            3        2895

> # If we use summarize(), we do not get the columns that were not grouped.
> t_mut %>% summarize(MIN_GR_CODE = min(Col_code))
# A tibble: 3 x 2
  Col_one MIN_GR_CODE
  <chr>         <int>
1 GN             2233
2 RD             3985
3 YW             2895

在 R 中取消组合 tibble

一旦我们完成了对使用 group_by() 分组的 tibble 的分析,我们应该使用 ungroup() 函数来删除分组。这将确保后续分析将在未分组的数据上进行。

我们需要将 tibble 的未分组版本保存为对象以使更改持久化。

示例代码:

# View a grouped tibble.
tib_2_gr
# The grouping is mentioned as the second line in the output.

# We can also check the grouping using the group_vars() function.
group_vars(tib_2_gr)

# ungroup() the tibble.
ungroup(tib_2_gr)

# Check the groups.
group_vars(tib_2_gr)
# The groups are still there because we did not save the change.

# Save to the same object name.
tib_2_gr = ungroup(tib_2_gr)

# Now check the groupings.
group_vars(tib_2_gr)
# There is no grouping.

最后两个命令的输出:

> # Save to the same object name.
> tib_2_gr = ungroup(tib_2_gr)
>
> # Now check the groupings.
> group_vars(tib_2_gr)
character(0)

转载请发邮件至 1244347461@qq.com 进行申请,经作者同意之后,转载请以链接形式注明出处

本文地址:

相关文章

R 中具有多个条件的函数向量化

发布时间:2023/03/21 浏览次数:64 分类:编程语言

一项常见的数据分析任务是根据同一行的其他列使用一个或多个条件创建或更新数据框列。 如果我们尝试使用 if 语句来执行此操作,则只会使用第一行来测试条件,并且会根据该行更

在 R 中读取 xlsx 文件

发布时间:2023/03/21 浏览次数:66 分类:编程语言

在这篇文章中,你将会了解到两个在 R 中读取 xlsx 文件的最完整和最容易使用的库:readxl 和 openxlsx。

清理 R 的环境

发布时间:2023/03/21 浏览次数:178 分类:编程语言

在本教程中,你将学习如何在 R 中编写一个函数,在不需要重新启动 R 的情况下清除环境。

在 R 中注释掉多行

发布时间:2023/03/21 浏览次数:63 分类:编程语言

在本文中,你将学习如何在 R 中注释出多行,而不必在每一行的开头手动写一个#字符来注释。

在 R 中清除内存

发布时间:2023/03/21 浏览次数:197 分类:编程语言

在本教程中,你将学习如何清除 R 系统占用的内存,而不必重新启动它或重新启动它运行的计算机。

扫一扫阅读全部技术教程

社交账号
  • https://www.github.com/onmpw
  • qq:1244347461

最新推荐

教程更新

热门标签

扫码一下
查看教程更方便