r - 使用 dplyr group_by : return a list of data frames 模拟 split()

Question

我有一个大型数据集，在 R 中阻塞了 split()。我可以使用 dplyr group_by (无论如何，这是首选方式)，但我无法将生成的 grouped_df 保留为数据帧列表，这是我的连续处理步骤所需的格式(我需要强制为 SpatialDataFrames 等)。

考虑一个示例数据集:

df = as.data.frame(cbind(c("a","a","b","b","c"),c(1,2,3,4,5), c(2,3,4,2,2)))
listDf = split(df,df$V1)

返回

$a
   V1 V2 V3
 1  a  1  2
 2  a  2  3

$b
   V1 V2 V3
 3  b  3  4
 4  b  4  2

$c
   V1 V2 V3
 5  c  5  2

我想用group_by(类似于group_by(df,V1))来模拟这一点，但这会返回一个，grouped_df。我知道 do 应该能够帮助我，但我不确定用法(另请参阅 link 进行讨论。)

请注意，通过用于建立该组的因素的名称来分割每个列表 - 这是一个理想的功能(最终，对于从 dfs 列表中提取这些名称的方法，值得称赞)。

Answer 1

dplyr 中的 group_split:

Dplyr 已实现group_split: https://dplyr.tidyverse.org/reference/group_split.html

它将数据帧按组拆分，返回数据帧列表。这些数据帧中的每一个都是由分割变量的类别定义的原始数据帧的子集。

例如。通过变量 Species 拆分数据集 iris，并计算每个子数据集的摘要:

> iris %>% 
+     group_split(Species) %>% 
+     map(summary)
[[1]]
  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width          Species  
 Min.   :4.300   Min.   :2.300   Min.   :1.000   Min.   :0.100   setosa    :50  
 1st Qu.:4.800   1st Qu.:3.200   1st Qu.:1.400   1st Qu.:0.200   versicolor: 0  
 Median :5.000   Median :3.400   Median :1.500   Median :0.200   virginica : 0  
 Mean   :5.006   Mean   :3.428   Mean   :1.462   Mean   :0.246                  
 3rd Qu.:5.200   3rd Qu.:3.675   3rd Qu.:1.575   3rd Qu.:0.300                  
 Max.   :5.800   Max.   :4.400   Max.   :1.900   Max.   :0.600                  

[[2]]
  Sepal.Length    Sepal.Width     Petal.Length   Petal.Width          Species  
 Min.   :4.900   Min.   :2.000   Min.   :3.00   Min.   :1.000   setosa    : 0  
 1st Qu.:5.600   1st Qu.:2.525   1st Qu.:4.00   1st Qu.:1.200   versicolor:50  
 Median :5.900   Median :2.800   Median :4.35   Median :1.300   virginica : 0  
 Mean   :5.936   Mean   :2.770   Mean   :4.26   Mean   :1.326                  
 3rd Qu.:6.300   3rd Qu.:3.000   3rd Qu.:4.60   3rd Qu.:1.500                  
 Max.   :7.000   Max.   :3.400   Max.   :5.10   Max.   :1.800                  

[[3]]
  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width          Species  
 Min.   :4.900   Min.   :2.200   Min.   :4.500   Min.   :1.400   setosa    : 0  
 1st Qu.:6.225   1st Qu.:2.800   1st Qu.:5.100   1st Qu.:1.800   versicolor: 0  
 Median :6.500   Median :3.000   Median :5.550   Median :2.000   virginica :50  
 Mean   :6.588   Mean   :2.974   Mean   :5.552   Mean   :2.026                  
 3rd Qu.:6.900   3rd Qu.:3.175   3rd Qu.:5.875   3rd Qu.:2.300                  
 Max.   :7.900   Max.   :3.800   Max.   :6.900   Max.   :2.500     

它对于调试嵌套数据帧上的计算也非常有帮助，因为它是一种快速“查看”嵌套数据帧计算“内部”发生的情况的方法。