r - 使用dplyr摘要对多个列进行不同的操作

Question

好吧，我知道已经有成千上万的相关问题，但是没有一个可以回答我的特殊需求。

我想在具有50列的表上使用dplyr“summaryize”，并且我需要对这些列应用不同的摘要函数。

“Summarize_all”和“summarize_at”似乎都具有以下缺点:无法将不同的函数应用于变量的不同子组。

例如，假设虹膜数据集将有50列，因此我们不想按名称寻址列。我想要前两列的总和，第三列的均值和所有其余列的第一个值(在group_by(Species)之后)。我该怎么办？

Answer 1

正如其他人所提到的，这通常是通过对要应用汇总功能的每组列调用summarize_each/summarize_at/summarize_if来完成的。据我所知，您将必须创建一个自定义函数来对每个子集进行汇总。例如，您可以通过使用选择助手(例如contains())来设置名称，以仅过滤要对其应用功能的列。如果不是，则可以设置要汇总的特定列号。

对于您提到的示例，您可以尝试以下操作:

summarizer <- function(tb, colsone, colstwo, colsthree, 
                       funsone, funstwo, funsthree, group_name) {

return(bind_cols(
    summarize_all(select(tb, colsone), .funs = funsone),
    summarize_all(select(tb, colstwo), .funs = funstwo) %>% 
      ungroup() %>% select(-matches(group_name)),
    summarize_all(select(tb, colsthree), .funs = funsthree) %>% 
      ungroup() %>% select(-matches(group_name)) 
))

}

#With colnames
iris %>% as.tibble() %>% 
  group_by(Species) %>% 
  summarizer(colsone = contains("Sepal"), 
         colstwo = matches("Petal.Length"), 
         colsthree = c(-contains("Sepal"), -matches("Petal.Length")),
         funsone = "sum", 
         funstwo = "mean",
         funsthree = "first",
         group_name = "Species")

#With indexes
iris %>% as.tibble() %>% 
 group_by(Species) %>% 
 summarizer(colsone = 1:2, 
         colstwo = 3, 
         colsthree = 4,
         funsone = "sum", 
         funstwo = "mean",
         funsthree = "first",
         group_name = "Species")