如何将匿名函数传递给dplyr的summarise函数。

Question

我有一个简单的数据框，包含3列：name，goal和actual。 因为这只是一个更大的数据框的简化版本，所以我想使用dplyr来计算每个人实现目标的次数。

df <- data.frame(name = c(rep('Fred', 3), rep('Sally', 4)),
                 goal = c(4,6,5,7,3,8,5), actual=c(4,5,5,3,3,6,4))

结果应该是这样的：

我应该能够传递一个类似下面所示的匿名函数，但是语法还不太正确：

library(dplyr)
g <- group_by(df, name)
summ <- summarise(g, met_goal = sum((function(x,y) {
                                       if(x>y){return(0)}
                                       else{return(1)}
                                     })(goal, actual)
                                    )
                  )

当我运行上面的代码时，我看到了3个这样的错误：

警告信息： 1：在if（x == y）{：中 条件长度大于1，只有第一个元素将被使用。

- Michael Szczepaniak

Answer 1

我们在goal 和 actual 中拥有等长的向量，所以关系运算符是适用的。但是，在简单的 if() 语句中使用它们可能会得到意外的结果，因为 if() 需要长度为1的向量。由于我们拥有等长的向量并需要一个二进制结果，将逻辑向量的和取出是最好的方法，如下所示。

group_by(df, name) %>%
    summarise(met_goal = sum(goal <= actual))
# A tibble: 2 x 2
    name met_goal
  <fctr>    <int>
1   Fred        2
2  Sally        1

运算符被切换为<=，因为您想要在goal > actual时得到0，否则得到1。

请注意，您可以使用匿名函数。问题出在if()语句上。例如，使用

sum((function(x, y) x <= y)(goal, actual)) 

它可以按你所要求的方式运行。

- Rich Scriven

---

这个回答很好。我故意过度复杂化了我的尝试，因为我想看看一个更复杂/通用的匿名函数如何传递。 - Michael Szczepaniak

@MichaelSzczepaniak - 注意，你可以使用匿名函数。它是if()语句让你感到困惑。例如，sum((function(x, y) x <= y)(goal, actual))就可以运行。 - Rich Scriven

那正是我正在寻找的。感谢您解释了这个（两次;-)。 - Michael Szczepaniak

Answer 2

使用data.table解决方案：

您要求使用dplyr解决方案，但由于实际数据更大，因此可以使用data.table。 foo是您想应用的函数。

foo <- function(x, y) {
    res <- 0
    if (x <= y) {
        res <- 1
    }
    return(res)
}

library(data.table)
setDT(df)
setkey(df, name)[, foo(goal, actual), .(name, 1:nrow(df))][, sum(V1), name]

如果您更喜欢管道，则可以使用以下方法：

library(magrittr)
setDT(df) %>%
    setkey(name) %>%
    .[, foo(goal, actual), .(name, 1:nrow(.))] %>%
    .[, .(met_goal = sum(V1)), name]

    name met_goal
1:  Fred        2
2: Sally        1

- pogibas

---

我并没有太多使用数据表的经验，但是我知道它们的好处，所以我相信在未来我一定会使用类似的东西。 - Michael Szczepaniak

Answer 3

发现自己需要再次做类似的事情（一年后），但是与原始问题中提供的简单函数相比，这次需要使用更复杂的函数。最初接受的答案利用了问题的特定功能，但更一般的方法在此处被提及。使用这种方法，我最终想要的答案是这样的：

library(dplyr)

df <- data.frame(name = c(rep('Fred', 3), rep('Sally', 4)),
                 goal = c(4,6,5,7,3,8,5), actual=c(4,5,5,3,3,6,4))

my_func = function(act, goa) {
  if(act < goa) {
    return(0)
  } else {
    return(1)
  }
}

g <- group_by(df, name)
summ = df %>% group_by(name) %>%
  summarise(met_goal = sum(mapply(my_func, .data$actual, .data$goal)))

> summ
# A tibble: 2 x 2
  name  met_goal
  <fct>    <dbl>
1 Fred         2
2 Sally        1

原始问题涉及使用匿名函数。为此，最后一部分应该如下所示：

g <- group_by(df, name)
summ = df %>% group_by(name) %>%
  summarise(met_goal = sum(mapply(function(act, go) {
                                    if(act < go) {
                                      return(0)
                                    } else {
                                      return(1)
                                    }
                                  }, .data$actual, .data$goal)))

- Michael Szczepaniak