r - 如何解释 dplyr 消息 `summarise()` 通过 'x' 重新分组输出(用 `.groups` 参数覆盖)？

Question

在更新到 dplyr 开发版本 0.8.99.9003 后运行 group_by 和 summarise() 时，我开始收到一条新消息(见帖子标题)。

以下是重新创建输出的示例:

library(tidyverse)
library(hablar)
df <- read_csv("year, week, rat_house_females, rat_house_males, mouse_wild_females, mouse_wild_males 
               2018,10,1,1,1,1
               2018,10,1,1,1,1
               2018,11,2,2,2,2
               2018,11,2,2,2,2
               2019,10,3,3,3,3
               2019,10,3,3,3,3
               2019,11,4,4,4,4
               2019,11,4,4,4,4") %>% 
  convert(chr(year,week)) %>% 
  mutate(total_rodents = rowSums(select_if(., is.numeric))) %>% 
  convert(num(year,week)) %>% 
  group_by(year,week) %>% summarise(average = mean(total_rodents))

输出小标题是正确的，但出现此消息:

summarise() regrouping output by 'year' (override with .groups argument)

这应该如何解释？当我按年和周分组时，为什么它只报告按“年”重新分组？另外，覆盖是什么意思，我为什么要这样做？

我不认为该消息表明存在问题，因为它出现在整个 dplyr 小插图中:
https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html

我相信这是一条新消息，因为它只出现在最近的 SO 问题中，例如 How to melt pairwise.wilcox.test output using dplyr?和 R Aggregate over multiple columns (两者都没有解决重组/覆盖消息)。

谢谢!

Answer 1

这只是一个友好的警告信息。默认情况下，如果 summarise 之前有任何分组，它会删除一组变量，即 group_by 中指定的最后一个变量.如果只有一个分组变量，summarise后面就没有分组属性了。如果有多个，即这里是两个，则分组属性减少为 1，即数据将具有“年份”作为分组属性。作为一个可复制的例子

library(dplyr)
mtcars %>%
     group_by(am) %>% 
     summarise(mpg = sum(mpg))
#`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 2 x 2
#     am   mpg
#* <dbl> <dbl>
#1     0  326.
#2     1  317.

消息是 ungroup ing 即当有一个 group_by ，它会在 summarise 之后删除该分组

mtcars %>% 
   group_by(am, vs) %>% 
   summarise(mpg = sum(mpg))
#`summarise()` regrouping output by 'am' (override with `.groups` argument)
# A tibble: 4 x 3
# Groups:   am [2]
#     am    vs   mpg
#  <dbl> <dbl> <dbl>
#1     0     0  181.
#2     0     1  145.
#3     1     0  118.
#4     1     1  199.

在这里，它删除最后一个分组并使用“am”重新分组
如果我们检查 ?summarise ，还有 .groups参数默认为 "drop_last"其他选项是 "drop" , "keep" , "rowwise"

.groups - Grouping structure of the result.

"drop_last": dropping the last level of grouping. This was the only supported option before version 1.0.0.

"drop": All levels of grouping are dropped.

"keep": Same grouping structure as .data.

"rowwise": Each row is it's own group.

When .groups is not specified, you either get "drop_last" when all the results are size 1, or "keep" if the size varies. In addition, a message informs you of that choice, unless the option "dplyr.summarise.inform" is set to FALSE.

即如果我们更改 .groups在 summarise ，我们没有收到消息，因为组属性被删除了

mtcars %>% 
    group_by(am) %>%
    summarise(mpg = sum(mpg), .groups = 'drop')
# A tibble: 2 x 2
#     am   mpg
#* <dbl> <dbl>
#1     0  326.
#2     1  317.


mtcars %>%
   group_by(am, vs) %>%
   summarise(mpg = sum(mpg), .groups = 'drop')
# A tibble: 4 x 3
#     am    vs   mpg
#* <dbl> <dbl> <dbl>
#1     0     0  181.
#2     0     1  145.
#3     1     0  118.
#4     1     1  199.


mtcars %>% 
   group_by(am, vs) %>% 
   summarise(mpg = sum(mpg), .groups = 'drop') %>%
   str
#tibble [4 × 3] (S3: tbl_df/tbl/data.frame)
# $ am : num [1:4] 0 0 1 1
# $ vs : num [1:4] 0 1 0 1
# $ mpg: num [1:4] 181 145 118 199

以前，未发出此警告，并且可能导致 OP 执行 mutate 的情况。或者其他假设没有分组并导致意外输出的东西。现在，警告向用户表明我们应该注意存在分组属性
注意: .groups现在是 experimental在它的生命周期中。因此，该行为可以在 future 的版本中进行修改
根据我们是否需要基于相同分组变量(或不需要)对数据进行任何转换，我们可以在 .groups 中选择不同的选项。 .