理解dplyr的group_by和tapply之间结果差异

Question

我本来期望在这两次运行中看到相同的结果，但实际上它们是不同的。这让我怀疑自己是否真正了解dplyr代码的工作原理（我已经阅读了关于dplyr包和在线文档的所有内容）。是否有人能够解释为什么结果会不同，或者如何获得类似的结果？

library(dplyr)
x <- iris
x <- x %.%
    group_by(Species, Sepal.Width) %.%
    summarise (freq=n()) %.%
    summarise (mean_by_group = mean(Sepal.Width))  
print(x)

x <- iris
x <- tapply(x$Sepal.Width, x$Species, mean)
print(x)

更新：我认为这不是最有效的解决方法，但以下代码给出了与tapply方法匹配的结果。根据Hadley的建议，我逐行检查了结果，并使用dplyr找到了最好的解决方案。

library(dplyr)
x <- iris
x <- x %.%
    group_by(Species, Sepal.Width) %.%
    summarise (freq=n()) %.%
    mutate (mean_by_group = sum(Sepal.Width*freq)/sum(freq)) %.%
print(x)

更新：出于某些原因，我认为我必须将所有要分析的变量分组，这就是导致事情走错方向的原因。这就是我所需要的全部内容，更接近包中的示例。

x <- iris %.%
    group_by(Species) %.%
    summarise(Sepal.Width = mean(Sepal.Width))
print(x)

- Michael Bellhouse

---

提示：逐行检查您的dplyr代码。 - hadley

Answer 1

也许这...

- dplyr:

require(dplyr)

iris %>% group_by(Species) %>% summarise(mean_width = mean(Sepal.Width))

  # Source: local data frame [3 x 2]
  #
  #      Species        mean_width
  # 1     setosa             3.428
  # 2 versicolor             2.770
  # 3  virginica             2.974

- tapply:

tapply(iris$Sepal.Width, iris$Species, mean)

  # setosa versicolor  virginica 
  # 3.428      2.770      2.974 

注意：默认情况下，tapply() 简化输出，而 summarise() 不会：

typeof(tapply(iris$Sepal.Width, iris$Species, mean, simplify=TRUE))

  # [1] "double"

如果不是列表，则返回一个list。

typeof(tapply(iris$Sepal.Width, iris$Species, mean, simplify=FALSE))

  # [1] "list"

因此，要从tapply()中获得相同类型的输出，您需要：

tbl_df( 
  data.frame( 
    mean_width = tapply( iris$Sepal.Width, 
                         iris$Species, 
                         mean )))

  # Source: local data frame [3 x 1]
  #
  #            mean_width
  # setosa          3.428
  # versicolor      2.770
  # virginica       2.974

这仍然不同！因为在这里unique(iris$Species)是一个属性而不是数据框的列...

- npjc

---

这个方法可行，我已将其标记为答案，但你可能需要补充一点，即需要加载magrittr包才能启用%>%。在此之前我并不熟悉这个包。 - Michael Bellhouse

@MichaelBellhouse编辑帖子以包括requireпј€dplyrпј‰иЎЊгЂ‚ењЁеЉ иЅЅж—¶пјЊdplyr会导入“magrittr”软件包的一小部分。感谢您的提醒。 - npjc

实际上，如果没有加载magrittr，您的代码对我来说无法运行： - Michael Bellhouse