todas - group by en r

¿Cómo agrupar por todas las columnas menos una?

Question

¿Cómo le digo a group_by que group_by los datos por todas las columnas excepto una dada?

Con el aggregate , sería aggregate(x ~ ., ...) .

Intenté group_by(data, -x) , pero eso se agrupa por el negativo de x (es decir, lo mismo que agrupar por x).

Answer 1

Puedes hacer esto usando una evaluación estándar ( group_by_ lugar de group_by ):

# Fake data
set.seed(492)
dat = data.frame(value=rnorm(1000), g1=sample(LETTERS,1000,replace=TRUE),
                 g2=sample(letters,1000,replace=TRUE), g3=sample(1:10, replace=TRUE),
                 other=sample(c("red","green","black"),1000,replace=TRUE))

dat %>% group_by_(.dots=names(dat)[-grep("value", names(dat))]) %>%
  summarise(meanValue=mean(value))

       g1     g2    g3  other   meanValue
   <fctr> <fctr> <int> <fctr>       <dbl>
1       A      a     2  green  0.89281475
2       A      b     2    red -0.03558775
3       A      b     5  black -1.79184218
4       A      c    10  black  0.17518610
5       A      e     5  black  0.25830392
...

Vea esta viñeta para obtener más información sobre la evaluación estándar frente a la no estándar en dplyr .

ACTUALIZACIÓN para dplyr 0.7.0

Para abordar el comentario de @ ÖmerAn: Parece que group_by_at es el camino a seguir en dplyr 0.7.0 (alguien me corrige si me equivoco al respecto). Por ejemplo:

dat %>% 
  group_by_at(names(dat)[-grep("value", names(dat))]) %>%
  summarise(meanValue=mean(value))

# Groups:   g1, g2, g3 [?]
       g1     g2    g3  other   meanValue
   <fctr> <fctr> <int> <fctr>       <dbl>
 1      A      a     2  green  0.89281475
 2      A      b     2    red -0.03558775
 3      A      b     5  black -1.79184218
 4      A      c    10  black  0.17518610
 5      A      e     5  black  0.25830392
 6      A      e     5    red -0.81879788
 7      A      e     7  green  0.30836054
 8      A      f     2  green  0.05537047
 9      A      g     1  black  1.00156405
10      A      g    10  black  1.26884303
# ... with 949 more rows

Confirmemos que ambos métodos dan el mismo resultado (en dplyr 0.7.0):

new = dat %>% 
  group_by_at(names(dat)[-grep("value", names(dat))]) %>%
  summarise(meanValue=mean(value))

old = dat %>% 
  group_by_(.dots=names(dat)[-grep("value", names(dat))]) %>%
  summarise(meanValue=mean(value))

identical(old, new)
# [1] TRUE

Answer 2

Sobre la base de la edición 0.7.0 de @ eipi10, group_by_at parece ser la función correcta para este trabajo. Sin embargo, si simplemente busca omitir la columna "x", puede usar:

new2.0 <- dat %>%
  group_by_at(vars(-x)) %>%
  summarize(mean_value = mean(value))

Usando los datos de ejemplo de @ eipi10:

# Fake data
set.seed(492)
dat <- data.frame(value = rnorm(1000),
             g1 = sample(LETTERS, 1000, replace = TRUE),
             g2 = sample(letters, 1000, replace = TRUE),
             g3 = sample(1:10, replace = TRUE),
             other = sample(c("red", "green", "black"), 1000, replace = TRUE))

new <- dat %>% 
  group_by_at(names(dat)[-grep("value", names(dat))]) %>%
  summarise(meanValue = mean(value))


new2.0 <- dat %>% 
  group_by_at(vars(-value)) %>% 
  summarize(meanValue = mean(value))

identical(new, new2.0)
# [1] TRUE

Answer 3

Una pequeña actualización sobre esta pregunta porque me topé con esto y encontré una solución elegante con la versión actual de dplyr (0.7.4): Dentro de group_by_at() , puede proporcionar los nombres de las columnas de la misma manera que en la función select() utilizando vars() . Esto nos permite agruparnos por todo menos una columna ( hp en este ejemplo) escribiendo:

library(dplyr)
df <- as_tibble(mtcars, rownames = "car")
df %>% group_by_at(vars(-hp))