r - 如何使用 R 的 {collapse} 包来实现正确的 fgroup_by() |> ftransform() 输出？

Question

{collapse}是一个 R 包，它允许更快地处理数据操作和描述性统计数据。一些功能 intentionally echoes {dplyr} .例如，比较以下 dplyr 代码与 collapse 代码。它们在语法上非常相似并产生相同的输出。

library(ggplot2)
library(dplyr, warn.conflicts = FALSE)
library(collapse, warn.conflicts = FALSE)
#> collapse 1.6.5, see ?`collapse-package` or ?`collapse-documentation`
#> Note: stats::D  ->  D.expression, D.call, D.name

using_dplyr <- 
  mpg |>
  group_by(manufacturer) |>
  summarise(mean_hwy = mean(hwy))

using_collapse <- 
  mpg |>
  collapse::fgroup_by(manufacturer) |>
  collapse::fsummarise(mean_hwy = mean(hwy))

identical(using_collapse, using_dplyr)
#> [1] TRUE

但是 {collapse} 只是更快

bench::mark(dplyr = 
              mpg |>
              group_by(manufacturer) |>
              summarise(mean_hwy = mean(hwy)),
            
            collapse = 
              mpg |>
              fgroup_by(manufacturer) |>
              fsummarise(mean_hwy = mean(hwy))) |>
  autoplot()

^{由 reprex package 创建于 2021-08-26 (v2.0.0)}

---

我的问题:
而以下表达式是类似的并且有效:
group_by() |> summarise() = fgroup_by() |> fsummrise(),
以下类比不起作用:
group_by() |> mutate() |> != fgroup_by() |> ftransform()。 (ftransform() 是 collapse 等同于 dplyr::mutate())。

展示问题
让我们用两种等价的语法来展示同一个管道:

library(ggplot2)
library(dplyr, warn.conflicts = FALSE)
library(collapse, warn.conflicts = FALSE)
#> collapse 1.6.5, see ?`collapse-package` or ?`collapse-documentation`
#> Note: stats::D  ->  D.expression, D.call, D.name

is_bigger_than_mean <- function(x) {
  x > mean(x)
}

## dplyr syntax
mutate_using_dplyr <- 
  mpg |>
  select(manufacturer, hwy) |>
  group_by(manufacturer) |>
  mutate(hwy_bigger_than_mean = is_bigger_than_mean(hwy))

## collapse syntax
mutate_using_collapse <- 
  mpg |>
  fselect(manufacturer, hwy) |>
  fgroup_by(manufacturer) |>
  ftransform(hwy_bigger_than_mean = is_bigger_than_mean(hwy))

比较 hwy_bigger_than_mean 列中的结果

mutate_using_dplyr  ## correct
#> # A tibble: 234 x 3
#> # Groups:   manufacturer [15]
#>    manufacturer   hwy hwy_bigger_than_mean
#>    <chr>        <int> <lgl>               
#>  1 audi            29 TRUE                
#>  2 audi            29 TRUE                
#>  3 audi            31 TRUE                
#>  4 audi            30 TRUE                
#>  5 audi            26 FALSE               
#>  6 audi            26 FALSE               
#>  7 audi            27 TRUE                
#>  8 audi            26 FALSE               
#>  9 audi            25 FALSE               
#> 10 audi            28 TRUE                
#> # ... with 224 more rows

mutate_using_collapse ## incorrect
#> # A tibble: 234 x 3
#>    manufacturer   hwy hwy_bigger_than_mean
#>  * <chr>        <int> <lgl>               
#>  1 audi            29 TRUE                
#>  2 audi            29 TRUE                
#>  3 audi            31 TRUE                
#>  4 audi            30 TRUE                
#>  5 audi            26 TRUE                
#>  6 audi            26 TRUE                
#>  7 audi            27 TRUE                
#>  8 audi            26 TRUE                
#>  9 audi            25 TRUE                
#> 10 audi            28 TRUE                
#> # ... with 224 more rows
#> 
#> Grouped by:  manufacturer  [15 | 16 (11)]

^{由 reprex package 创建于 2021-08-26 (v2.0.0)}

造成差异的原因是什么？是否有可能实现正确的输出，使得 mutate_using_collapse 将提供与 mutate_using_dplyr 相同的输出？

注意:类似问题讨论类似问题here

Answer 1

正如 Konrad 指出的那样，ftransform() 不是 mutate() 的一对一替代品，因为它在设计上更受限制作用域，默认情况下不考虑分组数据，主要用于包中一组受限制的“快速”函数。

您可以使用 fmean() 函数来实现您的目标，但需要使用 GRP() 函数明确告诉它使用分组数据。

另请注意，它不适用于新的基础 R 管道，您需要使用 magrittr 管道使分组数据可用于函数调用。

library(ggplot2)
library(dplyr)
library(collapse)

mpg %>%
   fselect(manufacturer, hwy) %>%
   fgroup_by(manufacturer) %>%
   ftransform(hwy_bigger_than_mean = hwy > fmean(hwy, GRP(.), TRA = "replace")) 

# A tibble: 234 x 3
   manufacturer   hwy hwy_bigger_than_mean
 * <chr>        <int> <lgl>               
 1 audi            29 TRUE                
 2 audi            29 TRUE                
 3 audi            31 TRUE                
 4 audi            30 TRUE                
 5 audi            26 FALSE               
 6 audi            26 FALSE               
 7 audi            27 TRUE                
 8 audi            26 FALSE               
 9 audi            25 FALSE               
10 audi            28 TRUE                
# ... with 224 more rows