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))