r - 如何在不创建分组变量的情况下分组？

Question

我需要执行一个基本的 group_by/mutate使用辅助分组变量进行操作。例如:

df <- data.frame(
  u = c(0, 0, 1, 0, 1),
  v = c(8, 4, 2, 3, 5)
)

df %>%
  group_by(tmp = cumsum(u)) %>%
  mutate(w = cumprod(v)) %>%
  ungroup %>%
  select(-tmp)

我的问题是，如果 df恰好已经包含一个名为 tmp 的列我会失去它。

当然我可以选择一个非常奇特的名字而不是 tmp减少碰撞的可能性(或者我什至可以选择像 strrep("z", max(nchar(names(df))) + 1) 这样的东西)，但我更喜欢有一个更干净的解决方案。

换句话说，我正在寻找 dplyr相当于这个 data.table线:

setDT(df)[, w := cumprod(v), by = cumsum(u)]

Answer 1

我们可以创建一个函数来处理这个问题。假设要创建的临时分组变量是'tmp'，通过连接数据集的列名并调用make.unique , 如果数据集中已经存在 'tmp' 列，则重复的列将重命名为 'tmp.1'。使用 !! ，使用 'tmp.1'(来自 nm1)命名列不会影响数据集中已经存在的 'tmp'。如果没有 'tmp', 列，分组列将被命名为 'tmp'，稍后用 select 删除。

f1 <- function(dat, grpCol, Col) {
  grpCol <- enquo(grpCol)
  Col <- enquo(Col)

 changeCol <- "tmp"
 nm1 <-  tail(make.unique(c(names(dat), changeCol)), 1)
 dat %>%
    group_by(!! (nm1) := cumsum(!! grpCol)) %>%
    mutate(w = cumprod(!!Col)) %>%
     ungroup %>%
     select(-one_of(nm1)) 


}

- 运行函数

f1(df, u, v)
# A tibble: 5 x 3
#      u     v     w
#  <dbl> <dbl> <dbl>
#1  0     8.00  8.00
#2  0     4.00 32.0 
#3  1.00  2.00  2.00
#4  0     3.00  6.00
#5  1.00  5.00  5.00


 f1(df %>% mutate(tmp = 1), u, v) #create a 'tmp' column in dataset
# A tibble: 5 x 4
#      u     v   tmp     w
#  <dbl> <dbl> <dbl> <dbl>
#1  0     8.00  1.00  8.00
#2  0     4.00  1.00 32.0 
#3  1.00  2.00  1.00  2.00
#4  0     3.00  1.00  6.00
#5  1.00  5.00  1.00  5.00

作为关于传递表达式的后续(来自@Frank 的评论)

expr <- quos(tmp = cumsum(u), w = cumprod(v))
#additional checks outside the function
names(expr)[1] <- if(names(expr)[1] %in% names(df)) 
             strrep(names(expr)[1], 2) else names(expr)[1]


f2 <- function(dat, exprs ){

dat %>%
    group_by(!!! exprs[1]) %>%
    mutate(!!! exprs[2])

}

f2(df, expr)
# A tibble: 5 x 4
# Groups: tmp [3]
#      u     v   tmp     w
#  <dbl> <dbl> <dbl> <dbl> 
#1  0     8.00  0     8.00
#2  0     4.00  0    32.0 
#3  1.00  2.00  1.00  2.00
#4  0     3.00  1.00  6.00
#5  1.00  5.00  2.00  5.00