una - especifique los nombres de columna dplyr

tablas en r

Question

Esta pregunta ya tiene una respuesta aquí:

• Agrupe por columnas múltiples en dplyr, usando el vector de cadena ingrese 9 respuestas

¿Cómo puedo pasar los nombres de las columnas a dplyr si no conozco el nombre de la columna, pero quiero especificarlo a través de una variable?

Por ejemplo, esto funciona:

require(dplyr)
df <- as.data.frame(matrix(seq(1:9),ncol=3,nrow=3))
df$group <- c("A","B","A")
gdf <- df %.% group_by(group) %.% summarise(m1 =mean(V1),m2 =mean(V2),m3 =mean(V3))

Pero esto no

require(dplyr)
someColumn = "group"
df <- as.data.frame(matrix(seq(1:9),ncol=3,nrow=3))
df$group <- c("A","B","A")
gdf <- df %.% group_by(someColumn) %.% summarise(m1 =mean(V1),m2 =mean(V2),m3 =mean(V3))

Answer 1

Acabo de dar una respuesta similar en Grupo por varias columnas en dplyr, usando la entrada de vector de cadena , pero en buena medida: las funciones que le permiten operar en columnas mediante cadenas se han agregado a dplyr . Estos tienen el mismo nombre que las funciones regulares de dplyr , pero terminan en un guión bajo. Las funciones se describen en detalle en esta viñeta .

Dado df y someColumn del OP, esto ahora funciona bien:

gdf <- df %>% group_by_(someColumn) %>% summarise(m1=mean(V1),m2=mean(V2),m3=mean(V3))

Tenga en cuenta que es group_by_ , en lugar de group_by , y el operador %>% se usa como %.% Está en desuso.

Answer 2

Aquí hay una respuesta a esta pregunta directa, obtenida al elegir la solución de hadley a su duplicidad publicada.

gdf <- df %.% regroup( lapply( someColumn, as.symbol)) %.% summarise(m1 =mean(V1),m2 =mean(V2),m3 =mean(V3))

FWIW, mi caso de uso involucró la agrupación por una columna variable y una columna constante. La solución a eso es:

gdf <- df %.% regroup( lapply( c( ''constant_column'', someColumn), as.symbol)) %.% summarise(m1 =mean(V1),m2 =mean(V2),m3 =mean(V3))

Finalmente, la solución de eval publicada no funciona. Eso solo hace una nueva columna cuyos valores son todos los que someColumn . Todavía no soy lo suficientemente bueno como para dejar un comentario o votarlo a la baja.

Answer 3

Espero que solo tengas que usar eval

require(dplyr)
someColumn = "group"
df <- as.data.frame(matrix(seq(1:9),ncol=3,nrow=3))
df$group <- c("A","B","A")
gdf <- df %.% group_by(eval(someColumn)) %.% summarise(m1 =mean(V1),m2 =mean(V2),m3 =mean(V3))

Answer 4

Puedes usar el resumen de la siguiente manera:

plotVar         = "Stocks_US_TotalCrudeOil"
dfBand <- mydf[ c( plotVar ,  "year", "week"  )  ] %>%
            filter ( year %in% bandYears )   %>%
            group_by (  week )   %>% 
            summarise_ (   ymini =  paste( "min(" ,  as.name(plotVar)  ,")"  ) 
                         , ymaxi =  paste( "max(" ,  as.name(plotVar)  ,")"  )     )
dfBand

Answer 5

pollutant <- "sulfate"
summarise(data, mean(eval(as.symbol(pollutant)), na.rm = TRUE))

Estaba tratando de hacer la misma pregunta por mi propio problema. Entonces encontré una solución para ello. Encapsulo la expresión con eval (as.symbol ()).