dplyr：在 group_by() 后使用自定义函数进行 summarize()

Question

如何在group_by()之后使用自定义函数？ 我查看了类似的帖子（1, 2, 和3），但我的当前代码为所有组返回相同的值。

> data
   village     A     Z      Y 
     <chr> <int> <int>   <dbl> 
 1       a     1     1   500     
 2       a     1     1   400     
 3       a     1     0   800  
 4       b     1     0   300  
 5       b     1     1   700  

z <- 1
data %>%
    group_by(village) %>%
    summarize(Y_village = Y_hat_village(., z))

Y_hat_village <- function(data_village, z){
    # Calculate the mean for a specific z in a village
    data_z <- data_village %>% filter(Z==get("z"))
    return(mean(data_z$Y))
}

我希望村庄“a”拥有(500 + 400)/2 = 450，村庄“b”拥有700。

- user2978524

Answer 1

如果你先不使用额外的函数来写代码，那么理解起来会更容易。此时代码应该是这样的：

df %>%
  group_by(village) %>%
  summarize(Y_village = mean(Y[Z == z]))

## A tibble: 2 x 2
#  village Y_village
#  <fct>       <dbl>
#1 a            450.
#2 b            700.

因此，您的函数应该类似于：

Y_hat_village <- function(Ycol, Zcol, z){
  mean(Ycol[Zcol == z])
}

然后使用它：

df %>%
  group_by(village) %>%
  summarize(Y_village = Y_hat_village(Y, Z, z))

请注意，我编写的函数仅处理原子向量，您可以直接从summarise中提供。您不需要将整个数据框传递给它。

- talat

---

谢谢！还有一个后续问题：是否可以将tibble的一部分传递给函数？在这种情况下，例如传递村庄为“a”的tibble的一部分。 - user2978524

@user2978524，你最好将其作为一个新问题提出。 - talat

cur_data()指的是特定组别中的数据。 - José Luiz Ferreira

@JoséLuizFerreira，你是怎么发现cur_data()的？？？你让我省了好几个小时在网上寻找。我想阅读你学习这个函数的源代码/手册 :) - Jorge Lopez

@JorgeLopez 这里：https://dplyr.tidyverse.org/articles/grouping.html#cur_group-and-cur_group_id - José Luiz Ferreira