Questions tagged «dplyr»

总览 我相对熟悉data.table，而不是那么熟悉dplyr。我已经阅读了一些出现在SO上的dplyr插图和示例，到目前为止，我的结论是： data.table且dplyr速度可比，除非有很多（即> 10-100K）组，并且在某些其他情况下（请参见下面的基准） dplyr 具有更多可访问的语法 dplyr 抽象（或将）潜在的数据库交互 功能上有一些细微的差异（请参见下面的“示例/用法”） 我认为2.不太重要，因为我相当熟悉它data.table，尽管我知道这对新手和老手来说都是一个很大的因素。我想避免争论哪个更直观，因为从我已经熟悉的人的角度来看，这与我提出的具体问题无关data.table。我还想避免讨论“更直观”如何导致更快的分析（当然是正确的，但又不是我对此最感兴趣的内容）。 题 我想知道的是： 对于熟悉软件包的人来说，是否有分析任务更容易用一个或另一个软件包编写代码（即，要求的击键与要求的深奥程度的某种组合，每个击键都是一件好事）。 在一个程序包中，是否有比其他程序更有效地执行分析任务（即大于2倍）？ 最近的一个SO问题使我对这个问题进行了更多的思考，因为到那时为止，我认为dplyr提供的功能超出了我已经可以做得到的范围data.table。这是dplyr解决方案（Q末的数据）： dat %.% group_by(name, job) %.% filter(job != "Boss" | year == min(year)) %.% mutate(cumu_job2 = cumsum(job2)) 这比我尝试破解data.table解决方案要好得多。也就是说，好的data.table解决方案也相当不错（感谢Jean-Robert，Arun，并请注意，在这里，我赞成使用单一语句而不是严格的最佳解决方案）： setDT(dat)[, .SD[job != "Boss" | year == min(year)][, cumjob := cumsum(job2)], by=list(id, job) ] 后者的语法可能看起来很深奥，但是如果您习惯了data.table（例如，不使用一些更深奥的技巧），它实际上非常简单。 理想情况下，我希望看到的是一些很好的示例，它们的方式dplyr或data.table方法实质上更简洁，或性能更好。 例子 用法 …

758 r  data.table  dplyr 

tibble（以前是tbl_df）由R中的dplyr数据帧操作包创建的数据帧的版本。它防止在意外调用数据帧时产生长表输出。 用tibble/ 包裹数据框后tbl_df，是否有命令查看整个数据框（数据框的所有行和列）？ 如果使用df[1:100,]，我将看到全部100行，但是如果使用df[1:101,]，它将仅显示前10行。我想轻松显示所有行以快速滚动它们。 是否有dplyr命令来抵消此问题或解包数据帧的方法？

192 r  dplyr  options  display 

我必须使用包含字符串的那些行作为标准来过滤数据帧RTB。 我正在使用dplyr。 d.del <- df %.% group_by(TrackingPixel) %.% summarise(MonthDelivery = as.integer(sum(Revenue))) %.% arrange(desc(MonthDelivery)) 我知道我可以在其中使用该函数filter，dplyr但我不完全知道如何告诉它检查字符串的内容。 我尤其要检查列中的内容TrackingPixel。如果字符串包含标签，RTB我想从结果中删除该行。

188 r  filter  dplyr 

当突变是有条件的（取决于某些列值的值）时，可以使用突变吗？ 这个例子有助于说明我的意思。 structure(list(a = c(1, 3, 4, 6, 3, 2, 5, 1), b = c(1, 3, 4, 2, 6, 7, 2, 6), c = c(6, 3, 6, 5, 3, 6, 5, 3), d = c(6, 2, 4, 5, 3, 7, 2, 6), e = c(1, 2, 4, 5, 6, 7, …

177 r  if-statement  dplyr  case-when  mutate 

是否有更简洁的方法从带有数据库后端的tbl中获取dplyr tbl的一列作为向量（即，数据帧/表不能直接成为子集）？ require(dplyr) db <- src_sqlite(tempfile(), create = TRUE) iris2 <- copy_to(db, iris) iris2$Species # NULL 那太容易了，所以 collect(select(iris2, Species))[, 1] # [1] "setosa" "setosa" "setosa" "setosa" etc. 但是似乎有点笨拙。

175 r  dplyr  lazy-evaluation  collect 

对于所有类型的命令（例如，在软件包上安装更新的str（x）），我都会持续发出“未知列”的多次警告，并且不确定如何调试或修复它。 警告“未知列”显然与我重命名的tbl_df中的变量有关，但是警告似乎出现在与tbl_df不相关的所有命令中（例如，在x为x的软件包str（x）上安装更新）只是一个字符向量）。

169 r  dplyr 

我想用来dplyr::mutate()在数据框中创建多个新列。列名及其内容应动态生成。 来自虹膜的示例数据： library(dplyr) iris <- tbl_df(iris) 我创建了一个函数来从Petal.Width变量中更改新列： multipetal <- function(df, n) { varname <- paste("petal", n , sep=".") df <- mutate(df, varname = Petal.Width * n) ## problem arises here df } 现在，我创建一个循环来构建我的列： for(i in 2:5) { iris <- multipetal(df=iris, n=i) } 但是，由于mutate认为varname是一个文字变量名，因此循环仅创建一个新变量（称为varname），而不是四个（称为花瓣2-花瓣5）。 如何mutate()使用动态名称作为变量名称？

168 r  dplyr  r-faq 

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)) …

157 r  dplyr  r-faq 

假设我要计算每个组中不同值的比例。例如，使用mtcars数据，我如何一目了然地通过am（自动/手动）计算齿轮数的相对频率？dplyr library(dplyr) data(mtcars) mtcars <- tbl_df(mtcars) # count frequency mtcars %>% group_by(am, gear) %>% summarise(n = n()) # am gear n # 0 3 15 # 0 4 4 # 1 4 8 # 1 5 5 我想实现的目标： am gear n rel.freq 0 3 15 0.7894737 0 4 4 0.2105263 …

153 r  group-by  dplyr  frequency 

题 使用dplyr，如何在一个语句中选择分组数据的顶部和底部观察/行？ 数据与示例 给定数据框 df <- data.frame(id=c(1,1,1,2,2,2,3,3,3), stopId=c("a","b","c","a","b","c","a","b","c"), stopSequence=c(1,2,3,3,1,4,3,1,2)) 我可以使用slice，但使用两个单独的语句从每个组中获得最高和最低观察值： firstStop <- df %>% group_by(id) %>% arrange(stopSequence) %>% slice(1) %>% ungroup lastStop <- df %>% group_by(id) %>% arrange(stopSequence) %>% slice(n()) %>% ungroup 我可以将这两个statmenets合并成一个选择两个顶部和底部的意见？

137 r  dplyr 

我有一个这样的data.frame- set.seed(123) df = data.frame(x=sample(0:1,10,replace=T),y=sample(0:1,10,replace=T),z=1:10) > df x y z 1 0 1 1 2 1 0 2 3 0 1 3 4 1 1 4 5 1 0 5 6 0 1 6 7 1 0 7 8 1 0 8 9 1 0 9 10 0 1 10 …

128 r  dplyr 

与plyr我一起工作时，我经常发现将它用于adply必须应用于每一行的标量函数很有用。 例如 data(iris) library(plyr) head( adply(iris, 1, transform , Max.Len= max(Sepal.Length,Petal.Length)) ) Sepal.Length Sepal.Width Petal.Length Petal.Width Species Max.Len 1 5.1 3.5 1.4 0.2 setosa 5.1 2 4.9 3.0 1.4 0.2 setosa 4.9 3 4.7 3.2 1.3 0.2 setosa 4.7 4 4.6 3.1 1.5 0.2 setosa 4.6 5 5.0 3.6 1.4 …

121 r  plyr  dplyr 

我已经看到%>%在某些软件包（例如dplyr和rvest）中使用了（大于百分比）功能。这是什么意思？这是在R中编写闭包的方法吗？

119 r  syntax  dplyr  magrittr  r-faq 

我喜欢plyr的重命名功能rename。我最近开始使用dplyr，并且想知道是否存在使用dplyr中的函数重命名变量的简便方法，该方法与plyr一样容易使用rename吗？

118 r  rename  dplyr 

更新到dplyr开发版本0.8.99.9003后，在运行group_by和summarise（）时，我开始收到一条新消息（请参阅帖子标题）。 这是重新创建输出的示例： library(tidyverse) library(hablar) df <- read_csv("year, week, rat_house_females, rat_house_males, mouse_wild_females, mouse_wild_males 2018,10,1,1,1,1 2018,10,1,1,1,1 2018,11,2,2,2,2 2018,11,2,2,2,2 2019,10,3,3,3,3 2019,10,3,3,3,3 2019,11,4,4,4,4 2019,11,4,4,4,4") %>% convert(chr(year,week)) %>% mutate(total_rodents = rowSums(select_if(., is.numeric))) %>% convert(num(year,week)) %>% group_by(year,week) %>% summarise(average = mean(total_rodents)) 输出小标题正确，但是出现此消息： summarise()按“年”重新组织输出（用.groups参数覆盖） 应该如何解释？当我按年和周分组时，为什么只报告按“年”重新分组？另外，覆盖是什么意思，为什么我要这么做？ 我不认为该消息表明存在问题，因为它出现在整个dplyr小插图中：https ://cran.r-project.org/web/packages/dplyr/vignettes/programming.html 我相信这是一条新消息，因为它仅出现在最近出现的SO问题中，例如如何使用dplyr融合pairwise.wilcox.test输出？和R聚合在多个列上（都没有解决重组/覆盖消息）。 谢谢！

112 r  dplyr  summarize