r - 是否有一些函数可以使用 group_by 在 R dplyr 中保留唯一值？

Question

我有一个带有 id 变量的 data.frame(或 tiibble 或其他)。我经常用dplyr::group_by对这个id做一些操作，所以

data %>%
    group_by(id) %>%
    summarise/mutate/...()

通常，我还有其他非数字变量，它们对于每个 id 都是唯一的，例如 project 或 country id所属和id的其他特征(如性别等)。当我使用上面的 summarise 函数时，除非我指定，否则这些其他变量将丢失

data %>%
    group_by(id) %>%
    summarise(across(c(project, country, gender, ...), unique),...)

或

data %>%
    group_by(id, project, country, gender, ...) %>%
    summarise()

是否有一些函数可以检测这些变量，这些变量对于每个 id 都是唯一的，因此不必指定它们？

谢谢!

PS:我主要问的是dplyr 和group_by 相关的功能，但其他环境如R-base 或data。 table 也很受欢迎。

Answer 1

我没有对它进行广泛的测试，但它应该可以完成工作

library(dplyr)

myData <- tibble(X = c(1, 1, 2, 2, 2, 3),
                 Y = LETTERS[c(1, 1, 2, 2, 2, 3)],
                 R = rnorm(6))
myData
#> # A tibble: 6 x 3
#>       X Y          R
#>   <dbl> <chr>  <dbl>
#> 1     1 A      0.463
#> 2     1 A     -0.965
#> 3     2 B     -0.403
#> 4     2 B     -0.417
#> 5     2 B     -2.28 
#> 6     3 C      0.423

group_by_id_vars <- function(.data, ...) {
  # group by the prespecified ID variables
  .data <- .data %>% group_by(...)
  
  # how many groups do these ID determine
  ID_groups <- .data %>% n_groups()
  
  # Get the number of groups if the initial grouping variables are combined
  # with other variables
  groupVars <- sapply(substitute(list(...))[-1], deparse) #specified grouping Variable
  nms <- names(.data) # all variables in .data
  res <- sapply(nms[!nms %in% groupVars], 
                function(x) {
                  .data %>%
                    # important to specify add = TRUE to combine the variable 
                    # with the IDs
                    group_by(across(all_of(x)), .add = TRUE) %>% 
                    n_groups()})
  
  # which combinations are identical, i.e. this variable does not increase the
  # number of groups in the data if combined with IDvars
  v <- names(res)[which(res == ID_groups)]
  
  # group the data accordingly
  .data <- .data %>% ungroup() %>% group_by(across(all_of(c(groupVars, v))))
  return(.data)
}

myData %>% 
  group_by_id_vars(X) %>% 
  summarise(n = n())
#> `summarise()` regrouping output by 'X' (override with `.groups` argument)
#> # A tibble: 3 x 3
#> # Groups:   X [3]
#>       X Y         n
#>   <dbl> <chr> <int>
#> 1     1 A         2
#> 2     2 B         3
#> 3     3 C         1