以编程方式调用 group_by() 以处理不同的变量

Question

使用dplyr，我想按一个可变的变量进行汇总（例如在循环或应用程序风格命令中）。直接输入名称可以正常工作：

library(dplyr)
ChickWeight %>% group_by( Chick, Diet ) %>% summarise( mw = mean( weight ) )

但是group_by函数不支持字符向量，这使得传递结果更加困难。

v <- "Diet"
ChickWeight %>% group_by( c( "Chick", v ) ) %>% summarise( mw = mean( weight ) )
## Error

我会提供一种解决方案，但很好奇其他人是如何解决的。

- Ari B. Friedman

---

总结+1 - Tyler Rinker

请改用 group_by_( c( "Chick", v ) ) 代替 group_by( c( "Chick", v ) )。 - David Arenburg

当然，如果使用dplyr不可行，您也可以轻松地使用data.table完成 :) ，例如 library(data.table) ; as.data.table(ChickWeight)[, .(mw = mean(weight)), c("Chick", v)]。 - David Arenburg

@KonradRudolph - 我也使用summarise，主要是因为没有summarize_each。这样我就少了一件要记住的事情。 - Rich Scriven

@Richard 在 Hadley 的库中使用英式英语是一个不幸的（=糟糕的）决定。API 应该是统一的，而不是个性化的。我喜欢在我的所有写作中使用英国拼写，但我在我的代码中遵循统一、已经建立的美国拼写。当其他代码违反这个规则时，它非常令人恼火并且违反了 API 设计的各种原则（非英语编程语言通常被视为失败的实验有其原因）。因此，我强烈建议遵循美国拼写（而缺少 summarize_each 可能是一个疏忽）。 - Konrad Rudolph

Answer 1

dplyr 的下划线函数可能对此很有用：

ChickWeight %>% group_by_( "Chick", v )  %>% summarise( mw = mean( weight ) )

来自于dplyr 0.3的新功能:

您现在可以使用dplyr进行编程 - 所有使用非标准评估（NSE）的函数还都有一个以_结尾的标准评估（SE）版本的双胞胎。例如，filter()的SE版本称为filter_()。每个函数的SE版本具有类似的参数，但它们必须明确地“引用”。

- NicE

Answer 2

这里是一个解决方案以及我是如何得出它的。

group_by 期望什么？

> group_by
function (x, ..., add = FALSE) 
{
    new_groups <- named_dots(...)

进入兔子洞：

> dplyr:::named_dots
function (...) 
{
    auto_name(dots(...))
}
<environment: namespace:dplyr>
> dplyr:::auto_name
function (x) 
{
    names(x) <- auto_names(x)
    x
}
<environment: namespace:dplyr>
> dplyr:::auto_names
function (x) 
{
    nms <- names2(x)
    missing <- nms == ""
    if (all(!missing)) 
        return(nms)
    deparse2 <- function(x) paste(deparse(x, 500L), collapse = "")
    defaults <- vapply(x[missing], deparse2, character(1), USE.NAMES = FALSE)
    nms[missing] <- defaults
    nms
}
<environment: namespace:dplyr>
> dplyr:::names2
function (x) 
{
    names(x) %||% rep("", length(x))
}

利用这些信息，如何着手制定解决方案？

# Naive solution fails:
ChickWeight %>% do.call( group_by, list( Chick, Diet ) ) %>% summarise( mw = mean( weight ) )

# Slightly cleverer:
do.call( group_by, list( x = ChickWeight, Chick, Diet, add = FALSE ) ) %>% summarise( mw = mean( weight ) )
## But still fails with,
## Error in do.call(group_by, list(x = ChickWeight, Chick, Diet, add = FALSE)) : object 'Chick' not found

解决方案在于引用参数，以便推迟它们的评估，直到它们处于包含 x tbl 的环境中：

do.call( group_by, list( x = ChickWeight, quote(Chick), quote(Diet), add = FALSE ) ) %>% summarise( mw = mean( weight ) )
## Bingo!
v <- "Diet"
do.call( group_by, list( x = ChickWeight, quote(Chick), substitute( a, list( a = v ) ), add = FALSE ) ) %>% summarise( mw = mean( weight ) )

- Ari B. Friedman