使用变量名进行多列分组的dplyr操作

Question

我正在使用R Shiny进行一些探索性数据分析。我有两个复选框输入，其中仅包含用户选择的选项。第一个复选框输入仅包含分类变量；第二个复选框仅包含数值变量。接下来，我对这两个选择应用了groupby：

var1 <- input$variable1      # Checkbox with categorical variables
var2 <- input$variable2      # Checkbox with numerical variables

v$data <- dataset %>%
  group_by_(var1) %>%
  summarize_(Sum = interp(~sum(x), x = as.name(var2))) %>%
  arrange(desc(Sum))

当只选择一个分类变量时，这个groupby可以完美地工作。当选择多个分类变量时，这个groupby会返回一个带有列名的数组。我该如何将这个列名数组传递给dplyr的groupby？

- Neil

---

当用户选择了3个分类变量时，我有11个分类变量，它会给我[1] "dish_name" "dish_type" [3] "user_location_grp"在var1中，我该如何将这个数组传递给groupby。 - Neil

Answer 1

dplyr版本>1.0

在较新的dplyr版本中，您应该使用across与一个tidyselect帮助程序函数。请参阅help("language", "tidyselect")获取所有帮助程序函数的列表。在这种情况下，如果您想要将所有列放入字符向量中，请使用all_of()

cols <- c("mpg","hp","wt")
mtcars %>% 
   group_by(across(all_of(cols))) %>% 
   summarize(x=mean(gear))

原始答案（较旧版本的dplyr）

如果您有一个变量名称的向量，您应该将它们传递给group_by_的.dots=参数。例如：

mtcars %>% 
   group_by_(.dots=c("mpg","hp","wt")) %>% 
   summarize(x=mean(gear))

- MrFlick

---

需要注意的是，group_by_() 函数已经被软弃用，并将最终从 dplyr 包中移除。 - bschneidr

Answer 2

使用dplyr 1.0.0，基于“常规”group_by，我们具有以下可能性：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by(across(all_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))

- Michael M

---

在 group_by(across( 中是否需要 all_of？ - Arthur Yip

在这种情况下，是的。 - Michael M

Answer 3

您可以使用由与dplyr相同的团队创建的rlang包中的帮助程序。当使用dplyr和其他整洁化包时，您无需加载rlang包即可使用这些帮助程序。

具体来说，您可以这样使用syms函数和!!!函数：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by(!!!syms(group_cols)) %>% 
  summarize(mean_wt = mean(wt))

这个相关的问题和答案解释了如何使用!!运算符和sym函数来处理单列名称（即长度为1的字符向量）。

- bschneidr

Answer 4

最近版本的dplyr包中包含了group_by的变体，如group_by_if和group_by_at。您可以使用这些函数，以与select函数类似的语法执行列选择。

就像您可以使用select(my_data, one_of(group_cols))选择一组列一样，您可以使用group_by_at来执行以下操作：

library(dplyr)

group_cols <- c("vs", "am")

mtcars %>% 
  group_by_at(.vars = vars(one_of(group_cols))) %>% 
  summarize(mean_wt = mean(wt))

- bschneidr

---

因为这些答案是根本不同的方法。如果用户发现其中一种方法比另一种更有帮助，投票过程将会表明这一点。对于读者来说，有两篇文章并没有什么害处，我很乐意分别接受它们的评论和编辑。请参阅meta.stackexchange上的相关帖子，建议在这种情况下使用多个答案。 - bschneidr

“Scoped verbs (⁠_if⁠, ⁠_at⁠, ⁠_all⁠)在现有的动词中已被pick()或across()的使用所取代。有关详细信息，请参阅vignette("colwise")。” - undefined

是的，说得好。pick()和across()是最好的方法，直到它们最终被取代为止 ;) - undefined