尝试理解dplyr函数- group_by

Question

我正在尝试理解dplyr中的group_by函数的工作方式。我正在使用datasets包中附带的airquality数据集（链接）。

我知道，如果按照以下方式操作，它应该按Temp变量的升序排列记录。

airquality_max1 <- airquality %>% arrange(Temp)

我看到了在airquality_max1中的情况。我现在想按照Month分组，并且按照Temp的升序排列记录。因此最终结果应该首先列出所有Month == 5的记录，按照Temp的升序排列。然后它应该列出所有Month == 6的记录，按照Temp的升序排列，依此类推。因此我使用以下命令：

airquality_max2 <- airquality %>% group_by(Month) %>% arrange(Temp)

然而，我发现结果仅按Temp的升序排列，而未按Month分组，即airquality_max1和airquality_max2相等。我不确定为什么在arrange函数之前没有按Month进行分组。有人能帮我理解我在这里做错了什么吗？

除了试图按列对数据框进行排序的问题外，我还试图理解group_by的行为，因为我正在尝试将其用于向某人解释group_by的应用。

- Satya

---

也许你还需要在 arrange 中添加 Month 参数。airquality_max2 <- airquality %>% arrange(Month, Temp) - Ronak Shah

排序不是聚合，因此无需使用 group_by... - MichaelChirico

我试图将其作为一个教条式的例子来展示 group_by 的应用，但却遇到了这种行为。 - Satya

可能是如何按列对数据框进行排序？的重复问题。 - Ronak Shah

Answer 1

arrange 不考虑 group_by，请参见 dplyr 0.5.0 上的 重大变更。如果你需要按两列排序，你可以这样做：

airquality %>% arrange(Month, Temp)

对于分组数据框，您还可以使用 .by_group 变量来先按组变量进行排序。

airquality %>% group_by(Month) %>% arrange(Temp, .by_group = TRUE)

- Psidom

---

谢谢您的快速回答。这个链接很有帮助，虽然这种行为有些违反直觉，但只要它不再改变，那就没问题了。 - Satya

airquality %>% group_by(Month) %>% arrange(Temp, .by_group = TRUE) 给我报错了。Error in arrange_impl(.data, dots) : incorrect size (1), expecting : 153 你知道为什么吗？ - Ronak Shah

你可能认为需要按组变量排序，但通常情况下不需要，只要排序算法是稳定的（我相信它们都是），你可以使用group_by %>% arrange或arrange %>% group_by。仅使用group_by将按组变量对数据框进行排序。因此，即使您没有明确告诉它，实际上仍在通过组变量和排序变量对数据框进行排序。 - Psidom

@RonakShah 我不确定。在我的机器上似乎运行良好。 - Psidom

@RonakShah - 我第一次运行时出现错误，再次运行后就可以正常工作了。 - Satya