r - 获得每组 `summary` 输出的整洁方法？

Question

我的代码经常使用 tapply 和 summary 如下所示:

data <- tibble(
  year = rep(2018:2021, 3),
  x = runif(length(year))
)

tapply(data$x, data$year, summary)

输出看起来像:

$`2018`
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.3914  0.5696  0.7477  0.6668  0.8045  0.8614 

$`2019`
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
 0.1910  0.2863  0.3816  0.4179  0.5313  0.6809 

(etc.)

有没有办法在小标题中获得类似 summary 的输出？
所需的输出，使用丑陋的代码:

tapply(data$x, data$year, summary)%>% 
  map(~ as.numeric(round(.x, 2))) %>% 
  map_dfr(set_names, names(summary(1))) %>% 
  add_column(year = 2018:2021, .before = 1)

# A tibble: 4 x 7
   year  Min. `1st Qu.` Median  Mean `3rd Qu.`  Max.
  <int> <dbl>     <dbl>  <dbl> <dbl>     <dbl> <dbl>
1  2018  0.39     0.570   0.75  0.67      0.8   0.86
2  2019  0.19     0.290   0.38  0.42      0.53  0.68
3  2020  0.01     0.35    0.7   0.55      0.82  0.93
4  2021  0.06     0.15    0.24  0.32      0.45  0.66

我希望有一个很好的 dplyr 函数组合来做得更好——我获得所需输出的代码很糟糕。
当然，我希望不必重写 base R 的 summary 函数，如下所示:

summarise(`Min` = min(x), `1st Qu.` = quantile(x, 0.25), ...)

Answer 1

这是一个简洁的tidyverse方式。

library(dplyr)
library(purrr)
library(tidyr)

data %>% 
  nest_by(year) %>% 
  mutate(data = map(data, summary)) %>% 
  unnest_wider(data)

# # A tibble: 4 x 7
#    year    Min. `1st Qu.` Median  Mean `3rd Qu.`  Max.
#   <int>   <dbl>     <dbl>  <dbl> <dbl>     <dbl> <dbl>
# 1  2018 0.105       0.256  0.407 0.307     0.407 0.407
# 2  2019 0.0354      0.205  0.375 0.313     0.452 0.529
# 3  2020 0.272       0.467  0.662 0.546     0.684 0.705
# 4  2021 0.00564     0.107  0.208 0.252     0.375 0.542

您也可以只转换原始行的表格输出。请注意，这里将 year 转换为字符，因此您可能希望将其更改回来。

library(purrr)

tapply(data$x, data$year, summary) %>% 
  map_dfr(c, .id = "year")

# # A tibble: 4 x 7
#   year     Min. `1st Qu.` Median  Mean `3rd Qu.`  Max.
#   <chr>   <dbl>     <dbl>  <dbl> <dbl>     <dbl> <dbl>
# 1 2018  0.105       0.256  0.407 0.307     0.407 0.407
# 2 2019  0.0354      0.205  0.375 0.313     0.452 0.529
# 3 2020  0.272       0.467  0.662 0.546     0.684 0.705
# 4 2021  0.00564     0.107  0.208 0.252     0.375 0.542