mutate - Obtenga el conteo de dplyr de forma clara y legible

mutate_at dplyr

Question

Soy nuevo usando dplyr, necesito calcular los distintos valores en un grupo. Aquí hay un ejemplo de tabla:

data=data.frame(aa=c(1,2,3,4,NA), bb=c(''a'', ''b'', ''a'', ''c'', ''c''))

Sé que puedo hacer cosas como:

by_bb<-group_by(data, bb, add = TRUE)
summarise(by_bb, mean(aa, na.rm=TRUE), max(aa), sum(!is.na(aa)), length(aa))

Pero si quiero contar los elementos únicos?

Puedo hacer:

  > summarise(by_bb,length(unique(unlist(aa))))

  bb length(unique(unlist(aa)))
1  a                          2
2  b                          1
3  c                          2

y si quiero excluir las NA, puedo hacerlo:

> summarise(by_bb,length(unique(unlist(aa[!is.na(aa)]))))

  bb length(unique(unlist(aa[!is.na(aa)])))
1  a                                      2
2  b                                      1
3  c                                      1

Pero es un poco ilegible para mí . ¿Hay una mejor manera de hacer este tipo de resumen?

Answer 1

¿Qué tal esta opción?

data %>%                    # take the data.frame "data"
  filter(!is.na(aa)) %>%    # Using "data", filter out all rows with NAs in aa 
  group_by(bb) %>%          # Then, with the filtered data, group it by "bb"
  summarise(Unique_Elements = n_distinct(aa))   # Now summarise with unique elements per group

#Source: local data frame [3 x 2]
#
#  bb Unique_Elements
#1  a               2
#2  b               1
#3  c               1

Use el filter para filtrar las filas donde a tiene NA, luego agrupe los datos por columna bb y luego resuma contando el número de elementos únicos de la columna aa por grupo de bb .

Como puede ver, estoy usando el operador de tubería %>% que puede usar para "conectar" o "encadenar" comandos al usar dplyr. Esto le ayuda a escribir un código fácil de leer porque es más natural, por ejemplo, escribe el código de la izquierda para escribir y de arriba a abajo y no anidado profundamente desde dentro (como en su código de ejemplo).

Editar:

En la primera parte de su pregunta, usted escribió:

Sé que puedo hacer cosas como:

by_bb<-group_by(data, bb, add = TRUE)
summarise(by_bb, mean(aa, na.rm=TRUE), max(aa), sum(!is.na(aa)), length(aa))

Aquí hay otra opción para hacer eso (aplicando varias funciones a la (s) misma (s) columna (s)):

data %>%
  filter(!is.na(aa)) %>%
  group_by(bb) %>%
  summarise_each(funs(mean, max, sum, n_distinct), aa)

#Source: local data frame [3 x 5]
#
#  bb mean max sum n_distinct
#1  a    2   3   4          2
#2  b    2   2   2          1
#3  c    4   4   4          1