分组汇总，相当于 Excel 的透视表功能。

一. 创建分组

对未分组的数据框，一些操作如 mutate() 是在所有行上执行——或者说，整个数据框是一个分组，所有行都属于它。

若数据框被分组，则这些操作是分别在每个分组上独立执行。可以认为是，将数据框拆分为更小的多个数据框。在每个更小的数据框上执行操作，最后再将结果合并回来。

用 group_by() 函数创建分组，用 groups() 查看数据框的分组，用 ungroup() 解除分组。

dat <- warpbreaks %>%
  group_by(wool, tension) 

dat %>%
  groups()

dat %>%
  ungroup() %>%
  groups()

二. 分组汇总

对数据框做分组最主要的目的就是做分组汇总，汇总就是以某种方式组合行，用 dplyr 包中的summarise() 实现，结果只保留分组列和新创建的列。

（1）summarise()

summarise() 可以与很多自带或自定义的汇总函数连用，常用的汇总函数有：

n() - 观测数；
n_distinct(var) - 变量 var 的唯一值数目；
sum(var), max(var), min(var), …
mean(var), median(var), sd(var), IQR(var), …
…

iris %>%
  group_by(Species) %>%
  summarise(n = n(),
            avg_len = mean(Petal.Length, na.rm=TRUE),
            med_len = median(Petal.Length))

函数 summarise() 也有一些作用域的变种：

summarise_if()：对满足条件的列，执行一个或多个函数；
summarise_at()：对选定的变量列，执行一个或多个函数；
summarise_all()：对所有列，执行一个或多个函数。

使用它们的好处是，可以借助辅助选择器或判断条件选择多列，还能在这些列上执行多个函数，只需要将它们放入一个列表。

（2）summarise_if()

dat <- iris %>%
  group_by(Species) %>%
  summarise_if(is.numeric, list(~mean(.), ~median(.), ~min(.), ~max(.)))

这样得到的 dat 是一个 3 行 17 列的宽表（部分）：

重塑为更具可读性的长表：

dat %>%
  pivot_longer(-Species, 
               names_to = c("Vars", ".value"), 
               names_sep = "_")

（3）summarise_all()

iris %>%
  group_by(Species) %>%
  summarise_all(mean, na.rm=TRUE)

（4）summarise_at()

iris %>%
  group_by(Species) %>%
  summarise_at(vars(ends_with("Length")), mean)

三. 分组计数

按分类变量 order 和 vore 分组，并按分组大小排序：

msleep %>%
  count(order, vore, sort = TRUE)

用 add_count(...) 可为数据集增加一列按 ... 分组的计数：

msleep %>%
  select(name:vore) %>%
  add_count(vore)

主要参考文献：

Desi Quintans, Jeff Powell. Working in the Tidyverse. http://www.hiercourse.com/
SuZan. Data Wrangling Part 4: Summarizing and slicing your data. https://suzan.rbind.io/2018/04/dplyr-tutorial-4/
Garrett Grolemund, Hadley Wickham. R for Data Science. https://r4ds.had.co.nz/

ITPub博客

【R语言】tidyverse之七：分组汇总

一. 创建分组

二. 分组汇总

三. 分组计数

主要参考文献：

最新文章