r - "summarise_at"和 "mutate_if"用于字符变量的描述性统计

Question

我想同时对多个字符变量使用 summarise_at 和 mutate_at。我看过很多使用整数变量的例子，但我就是想不通字符变量。正下方是我用来为字符(或因子)变量生成描述性统计信息的代码。

library(tidyverse)

# First block of code
starwars %>%
  group_by(gender) %>%
  summarise (n = n()) %>%
  mutate(totalN = (cumsum(n))) %>%
  mutate(percent = round((n / sum(n)), 3)) %>%
  mutate(cumpercent = round(cumsum(freq = n / sum(n)),3))

这会产生:

A tibble: 5 x 5
         gender     n totalN percent cumpercent
          <chr> <int>  <int>   <dbl>      <dbl>
1        female    19     19   0.218      0.218
2 hermaphrodite     1     20   0.011      0.230
3          male    62     82   0.713      0.943
4          none     2     84   0.023      0.966
5          <NA>     3     87   0.034      1.000

我想生成同样的东西，但是一次生成多个字符(或因子)变量。在这种情况下，让我们使用变量 gender 和 eye_color 这是我尝试过的:

starwars %>%        
      summarise_at(vars(gender, eyecolor) (n = n()) %>%
      mutate_at(vars(gender, eyecolor) (totalN = (cumsum(n))) %>%
      mutate_at(vars(gender", "eyecolor) (percent = round((n / sum(n)), 3)) %>%
      mutate_at(vars(gender, eyecolor) (cumpercent = round(cumsum(freq = n / sum(n)),3))))))

我收到以下错误:

Error in eval(expr, envir, enclos) : attempt to apply non-function

我知道有使用 funs 调用的内置函数，但我不想使用它们。我曾尝试以多种不同的方式使用代码来使其正常工作，但效果不佳。

我想制作的是这样的:

A tibble: 5 x 5
         gender     n totalN percent cumpercent
          <chr> <int>  <int>   <dbl>      <dbl>
1        female    19     19   0.218      0.218
2 hermaphrodite     1     20   0.011      0.230
3          male    62     82   0.713      0.943
4          none     2     84   0.023      0.966
5          <NA>     3     87   0.034      1.000

A tibble: 15 x 5
      eye_color     n totalN percent cumpercent
          <chr> <int>  <int>   <dbl>      <dbl>
1         black    10     10   0.115      0.115
2          blue    19     29   0.218      0.333
3     blue-gray     1     30   0.011      0.345
4         brown    21     51   0.241      0.586
5          dark     1     52   0.011      0.598
6          gold     1     53   0.011      0.609
7 green, yellow     1     54   0.011      0.621
8         hazel     3     57   0.034      0.655
9        orange     8     65   0.092      0.747
10         pink     1     66   0.011      0.759
11          red     5     71   0.057      0.816
12     red, blue    1     72   0.011      0.828
13       unknown    3     75   0.034      0.862
14         white    1     76   0.011      0.874
15        yellow    11     87   0.126     1.000

也许循环会更好？现在我有很多代码行来为每个字符变量生成描述性统计信息，因为我必须为每个变量运行第一个代码块(如上所述)。如果我可以列出我想使用的变量并在第一段代码中运行每个变量，那就太好了。

Answer 1

根据您的预期输出，mutate_at 不是您想要的，因为它会在所选列上发生变异。你想要做的是将 group_by gender 和 eye_color 分开。这是将摘要代码写入函数的好地方:

library(tidyverse)
library(rlang)

summary_func = function(group_by_var){
  group_by_quo = enquo(group_by_var)
  starwars %>%
    group_by(!!group_by_quo) %>%
    summarise(n = n()) %>%
    mutate(totalN = (cumsum(n)),
           percent = round((n / sum(n)), 3),
           cumpercent = round(cumsum(freq = n / sum(n)),3))
}

结果:

> summary_func(gender)
# A tibble: 5 x 5
         gender     n totalN percent cumpercent
          <chr> <int>  <int>   <dbl>      <dbl>
1        female    19     19   0.218      0.218
2 hermaphrodite     1     20   0.011      0.230
3          male    62     82   0.713      0.943
4          none     2     84   0.023      0.966
5          <NA>     3     87   0.034      1.000

> summary_func(eye_color)
# A tibble: 15 x 5
       eye_color     n totalN percent cumpercent
           <chr> <int>  <int>   <dbl>      <dbl>
 1         black    10     10   0.115      0.115
 2          blue    19     29   0.218      0.333
 3     blue-gray     1     30   0.011      0.345
 4         brown    21     51   0.241      0.586
 5          dark     1     52   0.011      0.598
 6          gold     1     53   0.011      0.609
 7 green, yellow     1     54   0.011      0.621
 8         hazel     3     57   0.034      0.655
 9        orange     8     65   0.092      0.747
10          pink     1     66   0.011      0.759
11           red     5     71   0.057      0.816
12     red, blue     1     72   0.011      0.828
13       unknown     3     75   0.034      0.862
14         white     1     76   0.011      0.874
15        yellow    11     87   0.126      1.000

这个想法是将您的摘要代码变成一个函数，这样您就可以将相同的代码应用于不同的 group_by 变量。 rlang 中的 enquo 获取提供给 group_by_var 的代码，并将其与调用它的环境捆绑到 quosure 中.然后，您可以使用 !! 取消引用 group_by 步骤中的 group_by_quo。这会启用非标准评估(即键入 summary_func(gender) 而不是 summary_func("gender")。

如果你不想为你想要group_by的每个变量调用summary_func，你可以将你的dplyr代码包装在map 来自 purrr，并取消引用作为 ... 参数提供的 group_by_quo 的每个参数。请注意从 enquo 到 quos 的更改，以将 ... 的每个参数转换为 quosure 的列表:

summary_func = function(...){
  group_by_quo = quos(...)

  map(group_by_quo, ~{
    starwars %>%
      group_by(!!.x) %>%
      summarise(n = n()) %>%
      mutate(totalN = (cumsum(n)),
             percent = round((n / sum(n)), 3),
             cumpercent = round(cumsum(freq = n / sum(n)),3))
  })
}

您现在可以这样做:

summary_func(gender, eye_color)

或将字符变量名称的向量用于 group_by:

group_vars = c("gender", "eye_color")
summary_func(!!!syms(group_vars))

结果:

[[1]]
# A tibble: 5 x 5
         gender     n totalN percent cumpercent
          <chr> <int>  <int>   <dbl>      <dbl>
1        female    19     19   0.218      0.218
2 hermaphrodite     1     20   0.011      0.230
3          male    62     82   0.713      0.943
4          none     2     84   0.023      0.966
5          <NA>     3     87   0.034      1.000

[[2]]
# A tibble: 15 x 5
       eye_color     n totalN percent cumpercent
           <chr> <int>  <int>   <dbl>      <dbl>
 1         black    10     10   0.115      0.115
 2          blue    19     29   0.218      0.333
 3     blue-gray     1     30   0.011      0.345
 4         brown    21     51   0.241      0.586
 5          dark     1     52   0.011      0.598
 6          gold     1     53   0.011      0.609
 7 green, yellow     1     54   0.011      0.621
 8         hazel     3     57   0.034      0.655
 9        orange     8     65   0.092      0.747
10          pink     1     66   0.011      0.759
11           red     5     71   0.057      0.816
12     red, blue     1     72   0.011      0.828
13       unknown     3     75   0.034      0.862
14         white     1     76   0.011      0.874
15        yellow    11     87   0.126      1.000