r - 用dplyr对多个变量的所有可能组合进行分组

Question

鉴于以下情况

library(dplyr)
myData <- tbl_df(data.frame( var1 = rnorm(100), 
                             var2 = letters[1:3] %>%
                                    sample(100, replace = TRUE) %>%
                                    factor(), 
                             var3 = LETTERS[1:3] %>%
                                    sample(100, replace = TRUE) %>%
                                    factor(), 
                             var4 = month.abb[1:3] %>%
                                    sample(100, replace = TRUE) %>%
                                    factor()))

我想对“myData”进行分组，以最终根据var2，var3和var4的所有可能组合找到汇总数据分组。

我可以创建一个列表，其中包含所有可能的变量组合作为字符值，

groupNames <- names(myData)[2:4]

myGroups <- Map(combn, 
              list(groupNames), 
              seq_along(groupNames),
              simplify = FALSE) %>%
              unlist(recursive = FALSE)

我的计划是使用for()循环为每个变量组合创建单独的数据集，例如

### This Does Not Work
for (i in 1:length(myGroups)){
     assign( myGroups[i]%>%
             unlist() %>%
             paste0(collapse = "")%>%
             paste0("Data"), 
               myData %>% 
               group_by_(lapply(myGroups[[i]], as.symbol)) %>%
               summarise( n = length(var1), 
                             avgVar2 = var2 %>%
                                       mean()))
}

诚然，我对列表不是很好，并且由于dpyr更新已改变了分组的工作方式，因此查找此问题颇具挑战性。

如果有比单独的数据集更好的方法，我想知道。

当我仅按一个变量分组时，就会遇到类似于以上工作的循环。

任何帮助都将不胜感激!谢谢!

Answer 1

这似乎令人困惑，并且可能存在一种使用do对其进行简化或修饰的方法，但是它可以工作。使用您的myData和myGroups，

results = lapply(myGroups, FUN = function(x) {
    do.call(what = group_by_, args = c(list(myData), x)) %>%
        summarise( n = length(var1), 
                   avgVar1 = mean(var1))
    }
)

> results[[1]]
Source: local data frame [3 x 3]

  var2  n     avgVar1
1    a 31  0.38929738
2    b 31 -0.07451717
3    c 38 -0.22522129

> results[[4]]
Source: local data frame [9 x 4]
Groups: var2

  var2 var3  n    avgVar1
1    a    A 11 -0.1159160
2    a    B 11  0.5663312
3    a    C  9  0.7904056
4    b    A  7  0.0856384
5    b    B 13  0.1309756
6    b    C 11 -0.4192895
7    c    A 15 -0.2783099
8    c    B 10 -0.1110877
9    c    C 13 -0.2517602

> results[[7]]
# I won't paste them here, but it has all 27 rows, grouped by var2, var3 and var4.

由于 summarise不是数字，因此我将您的 var1调用更改为平均 var2。