data - sum by group in r
¿Por qué resumir o mutar no funciona con group_by cuando carga `plyr` después de` dplyr`? (2)
Nota: El título de esta pregunta se ha editado para que sea la pregunta canónica para problemas cuando plyr
funciones plyr
enmascaran a sus contrapartes dplyr
. El resto de la pregunta permanece sin cambios.
Supongamos que tengo los siguientes datos:
dfx <- data.frame(
group = c(rep(''A'', 8), rep(''B'', 15), rep(''C'', 6)),
sex = sample(c("M", "F"), size = 29, replace = TRUE),
age = runif(n = 29, min = 18, max = 54)
)
Con el buen viejo plyr
puedo crear una pequeña tabla que resume mis datos con el siguiente código:
require(plyr)
ddply(dfx, .(group, sex), summarize,
mean = round(mean(age), 2),
sd = round(sd(age), 2))
La salida se ve así:
group sex mean sd
1 A F 49.68 5.68
2 A M 32.21 6.27
3 B F 31.87 9.80
4 B M 37.54 9.73
5 C F 40.61 15.21
6 C M 36.33 11.33
Estoy intentando mover mi código a dplyr
y al operador %>%
. Mi código toma DF, luego lo agrupa por grupo y sexo y luego lo resume. Es decir:
dfx %>% group_by(group, sex) %>%
summarise(mean = round(mean(age), 2), sd = round(sd(age), 2))
Pero mi salida es:
mean sd
1 35.56 9.92
¿Qué estoy haciendo mal?
El problema aquí es que primero está cargando dplyr y luego plyr, así que el resumen de la función de plyr es el enmascaramiento del summarise
la función de dplyr. Cuando eso sucede recibes esta advertencia:
require(plyr)
Loading required package: plyr
------------------------------------------------------------------------------------------
You have loaded plyr after dplyr - this is likely to cause problems.
If you need functions from both plyr and dplyr, please load plyr first, then dplyr:
library(plyr); library(dplyr)
------------------------------------------------------------------------------------------
Attaching package: ‘plyr’
The following objects are masked from ‘package:dplyr’:
arrange, desc, failwith, id, mutate, summarise, summarize
Entonces, para que su código funcione, separe plyr detach detach(package:plyr)
o reinicie R y cargue plyr primero y luego dplyr (o cargue solo dplyr):
library(dplyr)
dfx %>% group_by(group, sex) %>%
summarise(mean = round(mean(age), 2), sd = round(sd(age), 2))
Source: local data frame [6 x 4]
Groups: group
group sex mean sd
1 A F 41.51 8.24
2 A M 32.23 11.85
3 B F 38.79 11.93
4 B M 31.00 7.92
5 C F 24.97 7.46
6 C M 36.17 9.11
O puede llamar explícitamente al resumen de dplyr en su código, por lo que se llamará a la función correcta sin importar cómo cargue los paquetes:
dfx %>% group_by(group, sex) %>%
dplyr::summarise(mean = round(mean(age), 2), sd = round(sd(age), 2))
Su código está llamando a plyr::summarise
lugar de a dplyr::summarise
debido al orden en el que ha cargado "plyr" y "dplyr".
Manifestación:
library(dplyr) ## I''m guessing this is the order you loaded
library(plyr)
dfx %>% group_by(group, sex) %>%
summarise(mean = round(mean(age), 2), sd = round(sd(age), 2))
# mean sd
# 1 36.88 9.76
dfx %>% group_by(group, sex) %>%
dplyr::summarise(mean = round(mean(age), 2), sd = round(sd(age), 2))
# Source: local data frame [6 x 4]
# Groups: group
#
# group sex mean sd
# 1 A F 32.17 6.30
# 2 A M 30.98 7.37
# 3 B F 38.20 7.67
# 4 B M 33.12 12.24
# 5 C F 43.91 10.31
# 6 C M 47.53 8.25