使用字符串向量输入按dplyr中的多列分组

我试图将我对plyr的理解转换为dplyr，但是我不知道如何按多个列进行分组。

# make data with weird column names that can't be hard coded
data = data.frame(
  asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

# plyr - works
ddply(data, columns, summarize, value=mean(value))

# dplyr - raises error
data %.%
  group_by(columns) %.%
  summarise(Value = mean(value))
#> Error in eval(expr, envir, enclos) : index out of bounds

将plyr示例转换为dplyr式语法时，我缺少什么？

编辑2017年：Dplyr已更新，因此可以使用更简单的解决方案。查看当前选择的答案。

自从发布此问题以来，dplyr添加了group_by（文档在此处）的作用域版本。这使您可以使用与相同的功能select，如下所示：

data = data.frame(
    asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

library(dplyr)
df1 <- data %>%
  group_by_at(vars(one_of(columns))) %>%
  summarize(Value = mean(value))

#compare plyr for reference
df2 <- plyr::ddply(data, columns, plyr::summarize, value=mean(value))
table(df1 == df2, useNA = 'ifany')
## TRUE 
##  27 

您的示例问题的输出与预期的一样（请参见上面与plyr的比较和下面的输出）：

# A tibble: 9 x 3
# Groups:   asihckhdoydkhxiydfgfTgdsx [?]
  asihckhdoydkhxiydfgfTgdsx a30mvxigxkghc5cdsvxvyv0ja       Value
                     <fctr>                    <fctr>       <dbl>
1                         A                         A  0.04095002
2                         A                         B  0.24943935
3                         A                         C -0.25783892
4                         B                         A  0.15161805
5                         B                         B  0.27189974
6                         B                         C  0.20858897
7                         C                         A  0.19502221
8                         C                         B  0.56837548
9                         C                         C -0.22682998

请注意，由于一次dplyr::summarize只剥离一层分组，因此您仍然会在所产生的小标题中进行一些分组（这有时可能会在后来的行列中引起人们的注意）。如果要绝对避免意外的分组行为，则可以%>% ungroup在总结后始终将其添加到管道中。

为了完全编写代码，以下是使用新语法对Hadley的答案进行的更新：

library(dplyr)

df <-  data.frame(
    asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# Columns you want to group by
grp_cols <- names(df)[-3]

# Convert character vector to list of symbols
dots <- lapply(grp_cols, as.symbol)

# Perform frequency counts
df %>%
    group_by_(.dots=dots) %>%
    summarise(n = n())

输出：

Source: local data frame [9 x 3]
Groups: asihckhdoydk

  asihckhdoydk a30mvxigxkgh  n
1            A            A 10
2            A            B 10
3            A            C 13
4            B            A 14
5            B            B 10
6            B            C 12
7            C            A  9
8            C            B 12
9            C            C 10

目前在dplyr中对此的支持还很薄弱，最终我认为语法将是这样的：

df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))

但这可能不会一会儿了（因为我需要仔细考虑所有后果）。

同时，您可以使用regroup()，其中包含一个符号列表：

library(dplyr)

df <-  data.frame(
  asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

df %.%
  regroup(list(quote(asihckhdoydk), quote(a30mvxigxkgh))) %.%
  summarise(n = n())

如果具有列名的字符向量，则可以使用lapply()和将它们转换为正确的结构as.symbol()：

vars <- setdiff(names(df), "value")
vars2 <- lapply(vars, as.symbol)

df %.% regroup(vars2) %.% summarise(n = n())

dplyr现在，通过变量的变体支持其中的列的字符串规范，dplyr其名称以下划线结尾。例如，与该group_by函数相对应的是一个group_by_可以接受字符串参数的函数。此插图详细描述了这些功能的语法。

以下代码段彻底解决了@sharoz最初提出的问题（注意需要写出.dots参数）：

# Given data and columns from the OP

data %>%
    group_by_(.dots = columns) %>%
    summarise(Value = mean(value))

（请注意，dplyr现在使用%>%运算符，并且%.%已弃用）。

在dplyr完全支持字符串参数之前，此要点可能是有用的：

https://gist.github.com/skranz/9681509

它包含一堆使用字符串参数的包装函数，例如s_group_by，s_mutate，s_filter等。您可以将它们与正常的dplyr函数混合使用。例如

cols = c("cyl","gear")
mtcars %.%
  s_group_by(cols) %.%  
  s_summarise("avdisp=mean(disp), max(disp)") %.%
  arrange(avdisp)

如果将对象（不是，而是...）传递给它（而不是作为字符向量），它将起作用：

df %.%
    group_by(asdfgfTgdsx, asdfk30v0ja) %.%
    summarise(Value = mean(value))

> df %.%
+   group_by(asdfgfTgdsx, asdfk30v0ja) %.%
+   summarise(Value = mean(value))
Source: local data frame [9 x 3]
Groups: asdfgfTgdsx

  asdfgfTgdsx asdfk30v0ja        Value
1           A           C  0.046538002
2           C           B -0.286359899
3           B           A -0.305159419
4           C           A -0.004741504
5           B           B  0.520126476
6           C           C  0.086805492
7           B           C -0.052613078
8           A           A  0.368410146
9           A           B  0.088462212

df你在哪儿data？

?group_by 说：

 ...: variables to group by. All tbls accept variable names, some
      will also accept functons of variables. Duplicated groups
      will be silently dropped.

我将其解释为不是名称的字符版本，而是您将如何在中引用它们foo$bar；bar这里没有引用。或如何在公式中引用变量：foo ~ bar。

@Arun还提到您可以执行以下操作：

df %.%
    group_by("asdfgfTgdsx", "asdfk30v0ja") %.%
    summarise(Value = mean(value))

但是您不能传递未评估的值不是数据对象中变量的名称。

我认为这是由于Hadley使用内部方法来查找您通过...参数传递的内容的缘故。

data = data.frame(
  my.a = sample(LETTERS[1:3], 100, replace=TRUE),
  my.b = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

group_by(data,newcol=paste(my.a,my.b,sep="_")) %>% summarise(Value=mean(value))

我想明确指出的是，这里的答案中缺少一种（微小的）情况：当要分组的变量是在管道中动态生成时：

library(wakefield)
df_foo = r_series(rnorm, 10, 1000)
df_foo %>% 
  # 1. create quantized versions of base variables
  mutate_each(
    funs(Quantized = . > 0)
  ) %>% 
  # 2. group_by the indicator variables
  group_by_(
    .dots = grep("Quantized", names(.), value = TRUE)
    ) %>% 
  # 3. summarize the base variables
  summarize_each(
    funs(sum(., na.rm = TRUE)), contains("X_")
  )

这基本上说明了如何grep结合使用group_by_(.dots = ...)以实现此目的。

使用.dots参数作为dplyr::group_by函数的字符向量输入的一般示例：

iris %>% 
    group_by(.dots ="Species") %>% 
    summarise(meanpetallength = mean(Petal.Length))

或没有分组变量的硬编码名称（由OP要求）：

iris %>% 
    group_by(.dots = names(iris)[5]) %>% 
    summarise_at("Petal.Length", mean)

以OP为例：

data %>% 
    group_by(.dots =names(data)[-3]) %>% 
    summarise_at("value", mean)

另请参阅有关编程的dplyr小插图，其中介绍了代词，准引号，等价和整齐的语言。