关于r：只总结一个组的某些级别[dplyr]


Only summarise some levels of a group [dplyr]

我正在尝试(使用 dplyr)计算如何仅总结一个分组变量的一个级别，以保持所有其余部分相同。例如：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
library(dplyr)

dat <- starwars %>%
  select(height, hair_color) %>%
  filter(!is.na(hair_color))

dat %>%
  group_by(hair_color) %>%
  summarise(mean_height = mean(height))
#> `summarise()` ungrouping output (override with `.groups` argument)
#> # A tibble: 12 x 2
#>    hair_color    mean_height
#>    <chr>               <dbl>
#>  1 auburn               150
#>  2 auburn, grey         180
#>  3 auburn, white        182
#>  4 black                 NA
#>  5 blond                177.
#>  6 blonde               168
#>  7 brown                 NA
#>  8 brown, grey          178
#>  9 grey                 170
#> 10 none                  NA
#> 11 unknown               NA
#> 12 white                156

将总结 hair_color 的每个级别。但是我的问题是，如果我只想总结金发，而留下 hair_color 的所有其余级别怎么办？

我看到一个带有 split 的路径，如下所示：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
dat_split <- dat %>%
  mutate(is_blond = ifelse(hair_color %in% c("blond"),"blond","not_blond")) %>%
  split(.$is_blond)


d1 <- dat_split[["blond"]] %>%
  group_by(hair_color) %>%
  summarise(height = mean(height))
#> `summarise()` ungrouping output (override with `.groups` argument)

d2 <- dat_split[["not_blond"]] %>%
  select(-is_blond)


dat_final <- bind_rows(d1, d2)
dat_final
#> # A tibble: 80 x 2
#>    hair_color    height
#>    <chr>          <dbl>
#>  1 blond           177.
#>  2 none            202
#>  3 brown           150
#>  4 brown, grey     178
#>  5 brown           165
#>  6 black           183
#>  7 auburn, white   182
#>  8 auburn, grey    180
#>  9 brown           228
#> 10 brown           180
#> # ... with 70 more rows

然而，这似乎有点冗长(而且笨拙)。我想知道这是否是 rowwise 的工作，但我还没有完全解决这个问题。

相关讨论

我们可以通过 replace 将 \\'height\\' 其中 \\'hair_color\\' 是 "金发" 到对应 \\' 的 \\'height\\' 的 mean头发颜色\\'

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
library(dplyr)
dat %>%
    mutate(height = replace(height,
          hair_color == 'blond', mean(height[hair_color == 'blond'])))
# A tibble: 82 x 2
#   height hair_color  
#    <dbl> <chr>        
# 1   177. blond        
# 2   202  none        
# 3   150  brown        
# 4   178  brown, grey  
# 5   165  brown        
# 6   183  black        
# 7   182  auburn, white
# 8   177. blond        
# 9   180  auburn, grey
#10   228  brown        
# a€| with 72 more rows

在 data.table 中会更紧凑(假设它是一个数字列)

1
2
library(data.table)
setDT(dat)[hair_color == 'blond', height := mean(height)]

你可以试试

1
2
3
4
dat %>%
  mutate(valid = hair_color =="blond") %>%
  group_by(valid) %>%
  mutate(mean_h = ifelse(valid, mean(height), height), .keep="unused")

给

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# A tibble: 82 x 2
   hair_color    mean_h
   <chr>          <dbl>
 1 blond           177.
 2 none            202
 3 brown           150
 4 brown, grey     178
 5 brown           165
 6 black           183
 7 auburn, white   182
 8 blond           177.
 9 auburn, grey    180
10 brown           228
# ... with 72 more rows