R:dplyr 和 row_number() 未按预期枚举

Question

我想枚举分组产生的数据框/小标题的每条记录。该索引是根据定义的顺序。如果我使用 row_number() 它会枚举但在组内。但我希望它在不考虑前分组的情况下枚举。
这是一个例子。为了简单起见，我使用了最小的数据框:

library(dplyr)

df0 <- data.frame( x1 = rep(LETTERS[1:2],each=2)
                 , x2 = rep(letters[1:2], 2)
                 , y = floor(abs(rnorm(4)*10))
)
df0
#   x1 x2  y
# 1  A  a 12
# 2  A  b 24
# 3  B  a  0
# 4  B  b 12

现在，我将这张表分组:

 df1 <- df0 %>% group_by(x1,x2) %>% summarize(y=sum(y))

这给了我一个类 tibble 的对象:

 # A tibble: 4 x 3
 # Groups:   x1 [?]
 #   x1    x2        y
 #   <fct> <fct> <dbl>
 # 1 A     a        12
 # 2 A     b        24
 # 3 B     a         0
 # 4 B     b        12

我想使用 row_numer() 向该表添加行号:

 df2 <- df1 %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 # A tibble: 4 x 4
 # Groups:   x1 [2]
 #   x1    x2        y index
 #   <fct> <fct> <dbl> <int>
 # 1 A     b        24     1
 # 2 A     a        12     2
 # 3 B     b        12     1
 # 4 B     a         0     2

row_number() 确实在前一个分组中枚举。这不是我的本意。这可以避免先将 tibble 转换为数据框:

 df2 <- df2 %>% as.data.frame() %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 #   x1 x2  y index
 # 1  A  b 24     1
 # 2  A  a 12     2
 # 3  B  b 12     3
 # 4  B  a  0     4

我的问题是:这种行为是有意的吗？
如果是:将以前的数据处理合并到 tibble 中不是很危险吗？包含哪种类型的处理？
目前我会将 tibble 转换为 dataframe 以避免这种意外结果。

Answer 1

详细说明我的评论:是的，保留分组是有意的，并且在许多情况下很有用。如果您不了解 group_by有效——任何功能都是如此。撤消 group_by ，您调用ungroup .

看看 group_by docs ，因为它们非常详尽，并解释了此函数如何与其他函数交互，分组如何分层等。文档还解释了每次调用 summarise删除了一层分组——你可能对正在发生的事情感到困惑。

例如，您可以按 x1 分组。和 x2 , 总结 y ，并创建一个行号，它将根据 x1 为您提供行(summarise 删除了一层分组，即删除了 x2 分组)。然后取消分组允许您根据整个数据框获取行号。

library(dplyr)

df0 %>%
  group_by(x1, x2) %>%
  summarise(y = sum(y)) %>%
  mutate(group_row = row_number()) %>%
  ungroup() %>%
  mutate(all_df_row = row_number())
#> # A tibble: 4 x 5
#>   x1    x2        y group_row all_df_row
#>   <fct> <fct> <dbl>     <int>      <int>
#> 1 A     a        12         1          1
#> 2 A     b         2         2          2
#> 3 B     a        10         1          3
#> 4 B     b        23         2          4

一个用例——我可能每天都这样做——是在多个组中获取总和(再次， x1 和 x2)，然后在更大的组中找到这些值的份额(在剥离一层之后分组，这是 x1 ) 和 mutate .同样，在这里我取消分组以显示共享而不是整个数据框。

df0 %>%
  group_by(x1, x2) %>%
  summarise(y = sum(y)) %>%
  mutate(share_in_group = y / sum(y)) %>%
  ungroup() %>%
  mutate(share_all_df = y / sum(y))
#> # A tibble: 4 x 5
#>   x1    x2        y share_in_group share_all_df
#>   <fct> <fct> <dbl>          <dbl>        <dbl>
#> 1 A     a        12          0.857       0.255 
#> 2 A     b         2          0.143       0.0426
#> 3 B     a        10          0.303       0.213 
#> 4 B     b        23          0.697       0.489

由 reprex package 创建于 2018 年 10 月 11 日(v0.2.1)