总结在dplyr dplyr()中使用多个函数
总结在dplyr dplyr()中使用多个函数
提问于 2020-11-06 11:45:19
我有一些数据，其中id变量应该标识唯一的观察值。但是，有些ids是重复的。我想通过按id分组，然后计算每个变量不一致响应的比例，来了解是哪些度量驱动了这种重复。
下面是我的意思的一个例子：
require(tidyverse)
df <- tibble(id = c(1,1,2,3,4,4,4),
col1 = c('a','a','b','b','c','c','c'), # perfectly consistent
col2 = c('a','b','b','b','c','c','c'), # id 1 is inconsistent - proportion inconsistent = 0.25
col3 = c('a','a','b','b','a','b','c'), # id 4 is inconsistent - proportion inconsistent = 0.25
col4 = c('a','b','b','b','b','b','c') # id 1 and 4 are inconsistent - proportion inconsistent = 0.5
)我可以使用group_by()、across()和n_distinct()在I中测试不一致的响应，如下所示：
# count the number of distinct responses for each id in each column
# if the value is equal to 1, it means that all responses were consistent
df <- df %>%
group_by(id) %>%
mutate(across(.cols = c(col1:col4), ~n_distinct(.), .names = '{.col}_distinct')) %>%
ungroup()为了简单起见，我现在可以为每个id占一行：
# take one row for each test (so we aren't counting duplicates twice)
df <- distinct(df, across(c(id, contains('distinct'))))现在，我想计算每个变量包含不一致响应的I的比例。我想做一些类似以下的事情：
consistency <- df %>%
summarise(across(contains('distinct'), ~sum(.>1) / n(.)))但这会给出以下错误，我很难解释它：
Error: Problem with `summarise()` input `..1`.
x unused argument (.)
ℹ Input `..1` is `across(contains("distinct"), ~sum(. > 1)/n(.))`.我可以通过执行以下操作来获得我想要的答案：
# calculate consistency for each column by finding the number of distinct values greater
# than 1 and dividing by total rows
# first get the number of distinct values
n_inconsistent <- df %>%
summarise(across(.cols = contains('distinct'), ~sum(.>1)))
# next get the number of rows
n_total <- nrow(df)
# calculate the proportion of tests that have more than one value for each column
consistency <- n_inconsistent %>%
mutate(across(contains('distinct'), ~./n_total))但这涉及到中间变量，感觉很不雅致。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-11-06 11:51:01
您可以通过以下方式完成此操作：
library(dplyr)
df %>%
group_by(id) %>%
summarise(across(starts_with('col'), n_distinct)) %>%
summarise(across(starts_with('col'), ~mean(. > 1), .names = '{col}_distinct'))
# col1_distinct col2_distinct col3_distinct col4_distinct
# <dbl> <dbl> <dbl> <dbl>
#1 0 0.25 0.25 0.5首先，我们计算每个id中每列中唯一值的数量，然后计算每列中大于1的值的比例。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/64708564
复制相关文章
相似问题
腾讯云开发者
