使用r中的dplyr和data.table：聚合然后与原始表连接

Question

我经常使用以下dplyr语法计算数据框的汇总统计信息：

1. Aggregate <- 
2. Original Dataset %>%
3. Group_By %>%
4. Filter %>% 
5. Summarize %>%
6. Left_Join(back to Aggregate)

例如：

Original <- data.frame(A = 1:100,B = sample(LETTERS,100,replace = TRUE),C = rnorm(100))

# Calculate 1st Summary Statistic
Aggregate <- Original %>% group_by(B) %>% 
             filter(A > 50) %>% 
             summarize(meanC = mean(C))

# Calculate 2nd Summary Statistic
Aggregate <- Original %>% group_by(B) %>% 
             summarize(Q = sum(C)) %>%
             left_join(x = Aggregate,y = Original,by = "B")

我的问题有两个方面：

A）是否有更好的方法基于另一个表构建摘要统计表？左连接感觉非常笨重。

B）如何使用"data.table"方式来做这件事，即如何加入返回到聚合表？

Aggregate[Aggregate[,meanC:=mean(C),by=.(B)]]

感谢您提供的任何建议...

- shwan

---

在 data.table 中，不需要合并，只需使用 orig[ , meanC := mean(C), by=B]。 - DanY

@DanY 感谢您的评论，这很有用。在这种情况下，我该如何计算聚合表呢？聚合表只有26行，每个组只有一行。 - shwan

我想问题在于我经常遇到这样的情况，即我想通过一行计算大量数据的多个摘要，即聚合... - shwan

在你的例子中，第一个“Aggregate”表有一个过滤语句，但第二个没有，这是笔误吗？如果不是，你真的想要在同一个数据框中连接具有不同条件的摘要列吗？ - Mike

对于同时使用data.table进行多个汇总，可以查阅':='()符号以及带有.SDcols的lapply。 - DanY

Answer 1

如果你在 group_by 后进行 mutate，而不是 summarize，就可以避免 join。 （注意：我不知道如何以这种方式执行过滤的汇总统计。而且后来你可能想要取消分组以避免意外行为。）

library(tidyverse)
Original <- data.frame(A = 1:100,B = sample(LETTERS,100,replace = TRUE),C = rnorm(100))

# Calculate unfiltered summary statistic, as in OP
Aggregate_OP <- Original %>% 
  group_by(B) %>% 
  summarize(meanC = mean(C)) %>% 
  right_join(Original) %>% 
  select(A, B, C, meanC) # reorder columns
#> Joining, by = "B"

# Simpler, using mutate
Aggregate_mutate <- Original %>% 
  group_by(B) %>% 
  mutate(meanC = mean(C)) %>% 
  ungroup()

identical(Aggregate_OP, Aggregate_mutate)
#> [1] TRUE

- Jon Spring