dplyr总结:等效".drop = FALSE"以保持组输出长度为零

Question

当使用summarise具有plyr的ddply功能,空类别默认情况下删除.您可以通过添加更改此行为.drop = FALSE.然而,当使用这不起作用summarise用dplyr.还有另一种方法可以在结果中保留空类别吗？

这是假数据的一个例子.

library(dplyr)

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))

# Now add an extra level to df$b that has no corresponding value in df$a
df$b = factor(df$b, levels=1:3)

# Summarise with plyr, keeping categories with a count of zero
plyr::ddply(df, "b", summarise, count_a=length(a), .drop=FALSE)

  b    count_a
1 1    6
2 2    6
3 3    0

# Now try it with dplyr
df %.%
  group_by(b) %.%
  summarise(count_a=length(a), .drop=FALSE)

  b     count_a .drop
1 1     6       FALSE
2 2     6       FALSE

不完全是我所希望的.有没有dplyr达到同样的结果的方法.drop=FALSE的plyr？

Answer 1

问题仍然存在,但与此同时,特别是因为您的数据已被考虑因素,您可以使用complete"tidyr"获取您可能正在寻找的内容:

library(tidyr)
df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b)
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (int)
# 1      1       6
# 2      2       6
# 3      3      NA

如果您希望替换值为零,则需要使用以下内容指定fill:

df %>%
  group_by(b) %>%
  summarise(count_a=length(a)) %>%
  complete(b, fill = list(count_a = 0))
# Source: local data frame [3 x 2]
# 
#        b count_a
#   (fctr)   (dbl)
# 1      1       6
# 2      2       6
# 3      3       0

Answer 2

dplyr解决方案:

首先制作分组df

by_b <- tbl_df(df) %>% group_by(b)

然后我们总结通过计数发生的那些水平 n()

res <- by_b %>% summarise( count_a = n() )

然后我们将结果合并到一个包含所有因子水平的数据框中:

expanded_res <- left_join(expand.grid(b = levels(df$b)),res)

最后,在这种情况下,因为我们正在查看计NA数值,所以将值更改为0.

final_counts <- expanded_res[is.na(expanded_res)] <- 0

这也可以在功能上实现,请参阅答案: 使用dplyr向分组数据添加行？

黑客:

为了感兴趣,我想我会在这种情况下发布一个可怕的黑客.我严重怀疑你是否应该真正做到这一点,但它表明如何group_by()产生atrributes好像df$b是一个字符向量而不是一个水平因素.此外,我并没有假装正确地理解这一点 - 但我希望这有助于我学习 - 这是我发布它的唯一原因!

by_b <- tbl_df(df) %>% group_by(b)

定义数据集中不存在的"越界"值.

oob_val <- nrow(by_b)+1

将属性修改为"技巧" summarise():

attr(by_b, "indices")[[3]] <- rep(NA,oob_val)
attr(by_b, "group_sizes")[3] <- 0
attr(by_b, "labels")[3,] <- 3

做总结:

res <- by_b %>% summarise(count_a = n())

索引并替换所有出现的oob_val

res[res == oob_val] <- 0

给出了预期的:

> res
Source: local data frame [3 x 2]

b count_a
1 1       6
2 2       6
3 3       0

Answer 3

由于dplyr 0.8 group_by获得了.drop满足您要求的参数：

df = data.frame(a=rep(1:3,4), b=rep(1:2,6))
df$b = factor(df$b, levels=1:3)

df %>%
  group_by(b, .drop=FALSE) %>%
  summarise(count_a=length(a))

#> # A tibble: 3 x 2
#>   b     count_a
#>   <fct>   <int>
#> 1 1           6
#> 2 2           6
#> 3 3           0

@Moody_Mudskipper的答案还有另一条注释：.drop=FALSE当一个或多个分组变量未编码为因素时，使用可能会产生意外的结果。请参阅以下示例：

library(dplyr)
data(iris)

# Add an additional level to Species
iris$Species = factor(iris$Species, levels=c(levels(iris$Species), "empty_level"))

# Species is a factor and empty groups are included in the output
iris %>% group_by(Species, .drop=FALSE) %>% tally

#>   Species         n
#> 1 setosa         50
#> 2 versicolor     50
#> 3 virginica      50
#> 4 empty_level     0

# Add character column
iris$group2 = c(rep(c("A","B"), 50), rep(c("B","C"), each=25))

# Empty groups involving combinations of Species and group2 are not included in output
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>   Species     group2     n
#> 1 setosa      A         25
#> 2 setosa      B         25
#> 3 versicolor  A         25
#> 4 versicolor  B         25
#> 5 virginica   B         25
#> 6 virginica   C         25
#> 7 empty_level <NA>       0

# Turn group2 into a factor
iris$group2 = factor(iris$group2)

# Now all possible combinations of Species and group2 are included in the output, 
#  whether present in the data or not
iris %>% group_by(Species, group2, .drop=FALSE) %>% tally

#>    Species     group2     n
#>  1 setosa      A         25
#>  2 setosa      B         25
#>  3 setosa      C          0
#>  4 versicolor  A         25
#>  5 versicolor  B         25
#>  6 versicolor  C          0
#>  7 virginica   A          0
#>  8 virginica   B         25
#>  9 virginica   C         25
#> 10 empty_level A          0
#> 11 empty_level B          0
#> 12 empty_level C          0

Created on 2019-03-13 by the reprex package (v0.2.1)

Answer 4

这不完全是问题中的问题,但至少对于这个简单的例子,您可以使用xtabs获得相同的结果,例如:

使用dplyr:

df %>%
  xtabs(formula = ~ b) %>%
  as.data.frame()

或更短:

as.data.frame(xtabs( ~ b, df))

结果(两种情况都相同):

  b Freq
1 1    6
2 2    6
3 3    0