做一個mutate +過濾器vs分組數據幀彙總是否有任何缺點？

在dplyr 0.5.0中，在分組數據幀上調用summarise並不能保證任何生成的行順序（目前，它按組重新排序行，不知道它如何處理重複的分組級別）。做一個mutate +過濾器vs分組數據幀彙總是否有任何缺點？

爲了解決這個問題，我想用mutate(x = ...) %>% filter(row_number() == 1)替換所有summarise(x = ...)操作。這樣做有什麼缺點或缺點嗎？

這兩個操作的例子。

tmp_df <- 
    data.frame(group = rep(c(2L, 1L), each = 5), b = rep(c(-1, 1), each = 5)) %>% 
    group_by(group) 

tmp_df %>% 
    summarise(b = sum(b)) 

tmp_df %>% 
    mutate(b = sum(b)) %>% 
    filter(row_number() == 1)

生產：

> tmp_df %>% 
+  summarise(b = sum(b)) 
# A tibble: 2 × 2 
    group  b 
    <int> <dbl> 
1  1  5 
2  2 -5 
> tmp_df %>% 
+  mutate(b = sum(b)) %>% 
+  filter(row_number() == 1) 
Source: local data frame [2 x 2] 
Groups: group [2] 

    group  b 
    <int> <dbl> 
1  2 -5 
2  1  5

編輯：在迴應評論，爲便於閱讀，我可以定義函數：

summarise_o <- function (.data, ...) { 
    # order preserving summarise 
    mutate_(.data, .dots = lazyeval::lazy_dots(...)) %>% 
     filter(row_number() == 1) %>% 
     return 
}

，只需撥打：

tmp_df %>% 
    summarise_o(b = sum(b))

來源

2017-05-26 Alex

'summarize（）'對我來說似乎更具可讀性/有意義，因爲這就是您正在做的事情。如果行順序如此重要，請在後排序。 – Marius

我願意犧牲可讀性來保留行排序，因爲分析管道我可能已經忘記了我如何訂購我的數據框。（實際上我真正喜歡的是定義一個替代mutate +過濾器的新的彙總函數）。 – Alex

使用data.table：'tmp_df％>％data.table％>％group_by（group）％>％summarize（b = sum（b））'顯示我的預期訂單。我加載data.table包而不是dtplyr，但我想它的工作原理是一樣的。（我使用'data.table（）'而不是'setDT（）'，因爲它更符合dplyr的無法修改的理念。） – Frank

一種選擇是創建「組」作爲factor

tmp_df <- data.frame(group = rep(c(2L, 1L), each = 5), b = rep(c(-1, 1), each = 5)) %>% 
      group_by(group = factor(group, levels = unique(group))) 

tmp_df %>% 
    summarise(b = sum(b)) 
# A tibble: 2 x 2 
# group  b 
# <fctr> <dbl> 
#1  2 -5 
#2  1  5

來源

2017-05-26 04:26:03 akrun

這是非常整潔，但在正常使用情況下，可能有多個分組變量，但我想你可以創建一個組索引什麼的。 – Alex

@Alex如果有多個組，那麼'df1％>％mutate_at（vars（colsofinterest），funs（因子（。，levels = unique（。））））％>％group_by _（。dots = colsofinterest）' – akrun

做一個mutate +過濾器vs分組數據幀彙總是否有任何缺點？

回答

相關問題