dplyr резюмируют: эквивалент ".drop=FALSE " для сохранения групп с нулевой длиной на выходе

при использовании summarise С plyr ' s ddply функция, по умолчанию удаляются пустые категории. Вы можете изменить это поведение, добавив .drop = FALSE. Однако это не работает при использовании summarise С dplyr. Есть ли другой способ сохранить пустые категории в результате?

вот пример с поддельными данными.

library(dplyr)

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))

# Now add an extra level to df$b that has no corresponding value in df$a
df$b = factor(df$b, levels=1:3)

# Summarise with plyr, keeping categories with a count of zero
plyr::ddply(df, "b", summarise, count_a=length(a), .drop=FALSE)

  b    count_a
1 1    6
2 2    6
3 3    0

# Now try it with dplyr
df %.%
  group_by(b) %.%
  summarise(count_a=length(a), .drop=FALSE)

  b     count_a .drop
1 1     6       FALSE
2 2     6       FALSE

не совсем то, на что я надеялся. Есть ли dplyr метод достижения того же результата, что и .drop=FALSE на plyr?

3 77
javascript dplyr tidyr

3 ответа:

вопрос все еще открыт, но в то же время, тем более, что ваши данные уже учтены, вы можете использовать complete от "tidyr", чтобы получить то, что вы могли бы искать:

library(tidyr)
df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b)
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (int)
# 1      1       6
# 2      2       6
# 3      3      NA

если вы хотите, чтобы значение замены было равно нулю, вам нужно указать это с помощью fill:

df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b, fill = list(count_a = 0))
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (dbl)
# 1      1       6
# 2      2       6
# 3      3       0
46

dplyr решение:

сначала сделать сгруппированные df

by_b <- tbl_df(df) %>% group_by(b)

затем мы обобщим те уровни, которые происходят путем подсчета с n()

res <- by_b %>% summarise( count_a = n() )

затем мы объединяем наши результаты в фрейм данных, который содержит все уровни факторов:

expanded_res <- left_join(expand.grid(b = levels(df$b)),res)

наконец, в этом случае, так как мы смотрим на графы NA значения изменяются на 0.

final_counts <- expanded_res[is.na(expanded_res)] <- 0

это также может быть реализовано функционально ответы: добавить строки сгруппированные данные с dplyr?

лайфхак:

я думал, что напишу Грозный хак, который работает в этом случае ради интереса. Я серьезно сомневаюсь, что вы должны когда-нибудь на самом деле сделать это, но это показывает, как group_by() генерирует atrributes, как если бы df$b был вектор символов не фактор с уровнями. Кроме того, я не претендую на то, чтобы понять это правильно , но я надеюсь, что это поможет мне узнать-это единственная причина, по которой я публикую это!

by_b <- tbl_df(df) %>% group_by(b)

определите значение "вне границ", которое не может существовать в наборе данных.

oob_val <- nrow(by_b)+1

изменить атрибуты "обмануть" summarise():

attr(by_b, "indices")[[3]] <- rep(NA,oob_val)
attr(by_b, "group_sizes")[3] <- 0
attr(by_b, "labels")[3,] <- 3

сделать резюме:

res <- by_b %>% summarise(count_a = n())

индексировать и заменять все вхождения oob_val

res[res == oob_val] <- 0

что дает предназначенные:

> res
Source: local data frame [3 x 2]

b count_a
1 1       6
2 2       6
3 3       0
20

это не совсем то, что было задано в вопросе, но, по крайней мере, для этого простого примера, вы можете получить тот же результат с помощью xtabs, например:

С помощью dplyr:

df %.%
  xtabs(formula = ~ b) %.%
  as.data.frame()

или короче:

as.data.frame(xtabs( ~ b, df))

результат (в обоих случаях одинакова):

  b Freq
1 1    6
2 2    6
3 3    0
9