dplyr::summarize_at-按传递的变量顺序排序列，然后按应用的函数顺序排序。

Question

问题

我想使用dplyr::summarize_at()（或等效方法）获得一个摘要表格，其中列首先按使用的分组变量(G)顺序排序，然后按传递的变量(V)顺序排序，最后按应用的函数(F)顺序排序。默认顺序首先由G确定，然后由F确定，最后由V确定。

示例

代码：

library(purrr)
library(dplyr)

q025 <- partial(quantile, probs  = 0.025, na.rm = TRUE)
q975 <- partial(quantile, probs  = 0.975, na.rm = TRUE)

vars_to_summarize <- c("height", "mass")

my_summary <- starwars %>% 
    filter(skin_color  %in% c("gold", "green")) %>% 
    group_by(skin_color) %>% 
    summarise_at(vars_to_summarize, funs(q025, mean, q975))

结果为：

my_summary
## A tibble: 2 x 7
##   skin_color height_q025 mass_q025 height_mean mass_mean height_q975 mass_q975
##        <chr>       <dbl>     <dbl>       <dbl>     <dbl>       <dbl>     <dbl>
## 1       gold     167.000      75.0         167        75      167.00      75.0
## 2      green      79.375      22.7         169        NA      204.75     110.4

所需变量的顺序应该是：

skin_color, height_q025, height_mean, height_q975, mass_q025, mass_mean, mass_q975

我希望使用类似于这个（简单的）代码：

我想使用下面这段（naively simple）代码：

my_summary  %>% 
    select(everything(), starts_with(vars_to_summarize))

但是它没有发挥作用。即使是这段代码也没有像我预期的那样工作（尽管它不是我想要的通用解决方案）：

my_summary  %>% 
    select(everything(),
           starts_with(vars_to_summarize[1]),
           starts_with(vars_to_summarize[2]))

最好将everything()函数放在select()函数的最后一个参数。

概括来说

比如，我有：

1. N个分组变量（"gr_"），它们通过group_by()传递，
2. L个需要汇总的变量（"var_"），和
3. M个汇总函数（"fun_"）需要应用。

通常情况下，在汇总表中变量的期望顺序应该遵循以下模式：

gr_1, gr_2, ..., gr_N,   
var_1_fun_1, var_1_fun_2, ..., var_1_fun_M,  
var_2_fun_1, var_2_fun_2, ..., var_2_fun_M, 
...,
var_L_fun_1, var_L_fun_2, ..., var_L_fun_M

- GegznaV

---

尝试使用 my_summary %>% select(c(matches(vars_to_summarize[1]), matches(vars_to_summarize[2])))。 - akrun

Answer 1

我们可以使用 matches 和 grep。

my_summary %>%
    select(grep(paste(vars_to_summarize, collapse="|"), names(.), invert = TRUE), 
           matches(vars_to_summarize[1]),
           matches(vars_to_summarize[2]))
# A tibble: 2 x 7
#    skin_color height_q025 height_mean height_q975 mass_q025 mass_mean mass_q975
#       <chr>       <dbl>       <dbl>       <dbl>     <dbl>     <dbl>     <dbl>
#1       gold     167.000         167      167.00      75.0        75      75.0
#2      green      79.375         169      204.75      22.7        NA     110.4

如果有许多列，另一种选择是从列名中删除下划线（“_”）子字符串，将其与“vars_to_summarize”匹配，并在“select”内进行排序。

my_summary %>% 
   select(order(match(sub("_.*", "", names(.)), vars_to_summarize, nomatch = 0)))
# A tibble: 2 x 7
#    skin_color height_q025 height_mean height_q975 mass_q025 mass_mean mass_q975
#       <chr>       <dbl>       <dbl>       <dbl>     <dbl>     <dbl>     <dbl>
#1       gold     167.000         167      167.00      75.0        75      75.0
#2      green      79.375         169      204.75      22.7        NA     110.4

- akrun

---

太棒了！！☺ 就像我打算拥有包含 _ 的变量名称一样，正则表达式 sub("(.*)_.*?$", "\\1", names(.)) 更为合适。 - GegznaV