使用dplyr进行分组操作，结果长度不等于1或组的长度。

Question

我不确定要使用哪个函数来完成以下操作：

library(data.table)
dt = data.table(a = 1:4, b = 1:2)

dt[, rep(a[1], 3), by = b]
#   b V1
#1: 1  1
#2: 1  1
#3: 1  1
#4: 2  2
#5: 2  2
#6: 2  2

对于这个长度，summarise和mutate都感到不满意：

library(dplyr)
df = data.frame(a = 1:4, b = 1:2)

df %.% group_by(b) %.% summarise(rep(a[1], 3))
#Error: expecting a single value

df %.% group_by(b) %.% mutate(rep(a[1], 3))
#Error: incompatible size (3), expecting 2 (the group size) or 1

- eddi

---

不知道是否有帮助，但是使用你的 dplyr 代码与 data.table 结合使用可以实现，而使用 plyr 与 data.frame 也可以实现。 - dickoa

@dickoa 谢谢，这很有趣（就我来说，这主要是我进行练习，以了解如何使用 dplyr - 我真的不认为将其与 data.table 一起使用有什么意义）; 听起来像是 summarise 中的一个 bug。 - eddi

请参见 https://github.com/hadley/dplyr/issues/154。 - hadley

+1 这是一个有趣的差异；希望最终解决方案允许任何组返回任意长度。 - BrodieG

在这种情况下，df %>% group_by(b) %>% slice(rep(1, 3)) 可以正常工作。对于逐行操作，其中每行返回任意数量的值，您可以使用 df %>% mutate(new = map(old, f)) %>% unnest() 的习惯用法。 - Axeman

Answer 1

在 dplyr 版本0.2中，您可以使用 do 操作符来实现此操作：

> df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3)))
#Source: local data frame [6 x 2]
#Groups: b
#
#  b a
#1 1 1
#2 1 1
#3 1 1
#4 2 2
#5 2 2
#6 2 2

- talat

---

+1 是为了向我展示 do 可以做什么（尽管请注意我的“答案”中的注释） - BrodieG

Answer 2

虽然@beginneR的回答是有效的，但它似乎并不能真正替代data.table的行为。请考虑：

df <- data.frame(a = 1, b = rep(1:1e4, 2))
dt <- data.table(df)
microbenchmark(times=5,
  dt[, rep(a[1], 3), by = b],
  df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3)))
)

dplyr的实现比这个慢了200倍。

Unit: milliseconds
                                                      expr        min         lq     median         uq
                                dt[, rep(a[1], 3), by = b]   13.14318   13.70248   14.60524   15.26676
 df %>% group_by(b) %>% do(data.frame(a = rep(.$a[1], 3))) 3269.40731 3359.11614 3583.19430 3736.67162

也许有更好的方法可以使用do来完成这个任务，而不需要在每个do中调用data.frame。此外，对于在data.table中非常简单的东西，语法有点复杂。

否则，根据Hadley's issue link，看起来这个问题预计将在3.1版的dplyr中实现，这似乎是下一个版本。

- BrodieG