我经常希望“一步”执行 tidyr::spread
和 dplyr::summarise
以按组聚合数据。我想要的内容显示在预期
中。我可以通过分别执行summarise
和spread
并将结果与dplyr::full_join
组合来获得预期
,但我正在寻找避免 full_join 的替代方法。真正的单步方法是没有必要的。
df <- data.frame(
id = rep(letters[1], 2),
val1 = c(10, 20),
val2 = c(100, 200),
key = c("A", "B"),
value = c(1, 2))
library(tidyverse)
result1 <- df %>%
group_by(id) %>%
summarise(
val1 = min(val1),
val2 = max(val2)
)
# A tibble: 1 x 3
# id val1 val2
# <fctr> <dbl> <dbl>
# 1 a 10.0 200
result2 <- df %>%
select(id, key, value) %>%
group_by(id) %>%
spread(key, value)
# A tibble: 1 x 3
# Groups: id [1]
# id A B
# * <fctr> <dbl> <dbl>
# 1 a 1.00 2.00
expected <- full_join(result1, result2, by="id")
# A tibble: 1 x 5
# id val1 val2 A B
# <fctr> <dbl> <dbl> <dbl> <dbl>
# 1 a 10.0 200 1.00 2.00
最佳答案
我怀疑您的数据可能有更多需要修改的边缘情况,但为什么不简单地传播
然后汇总
呢?您可以为每个变量单独指定汇总函数,因此对于 A
和 B
,您实际上不需要计算任何内容(我假设),您可以删除所有NA
:
df %>%
spread("key", "value") %>%
group_by(id) %>%
summarise(
val1 = min(val1),
val2 = max(val2),
A = mean(A, na.rm = TRUE),
B = mean(B, na.rm = TRUE)
)
# A tibble: 1 x 5
id val1 val2 A B
<fct> <dbl> <dbl> <dbl> <dbl>
1 a 10.0 200 1.00 2.00
关于r - 单步结合 tidyr::spread 和 dplyr::summarise,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48835980/