r - 在 R dplyr 中，为什么在 count() 之后需要 ungroup() ？

Question

当我第一次开始使用 R 编程时，我经常使用 dplyr count()。

library(tidyverse)    
mtcars %>% count(cyl)

一旦我开始使用 apply 函数，我就开始遇到 count() 的问题。如果我只是将 ungroup() 添加到 count() 的末尾，问题就会消失。

我没有任何特定的可重现内容可以展示。但是有人可以解释一下问题可能是什么，为什么 ungroup() 总是修复它，以及在每次 count( )，还是在任何group_by()之后？当然，我假设我不再需要在计数或汇总后对数据进行分组。

mtcars %>% count(cyl) %>% ungroup()

Answer 1

您过去遇到的问题来自 count() 的旧行为。直到 dplyr 0.5.0，如果您这样做:

mtcars %>%
  count(cyl, wt)

结果仍将按 cyl 列分组。这意味着，例如，如果您按照 summarize(mean(am)) 之类的方式进行跟踪，那么您可能会在预期的情况下为每个 cyl 获得一行整体为一排。如果您将 %>% ungroup() 放在计数后面，该问题就会得到解决。

This behavior was changed in dplyr 0.7.0 (2017 年 6 月发布)，这样 count() 保留其输入的分组(意味着 mtcars %>% count(wt, cyl) 现在返回一个未分组的表) 。这可能就是您无法再重现问题的原因，这意味着您不再需要在 count() 之后执行 ungroup()。

<小时/>

请注意，您可能仍需要在 group_by() 和 summarize() 之后执行 ungroup():

mtcars %>%
  group_by(cyl, wt) %>%
  summarize(n = n())

返回仍按cyl分组的小标题:

# A tibble: 30 x 3
# Groups:   cyl [?]
     cyl    wt     n
   <dbl> <dbl> <int>
 1     4  1.51     1
 2     4  1.62     1
 3     4  1.84     1
 4     4  1.94     1
 5     4  2.14     1
 6     4  2.2      1
 7     4  2.32     1
 8     4  2.46     1
 9     4  2.78     1
10     4  3.15     1
# ... with 20 more rows