n()在summarise_at()中使用时表现不一致

Question

使用此示例数据:

library(tidyverse)

set.seed(123)
df <- data_frame(X1 = rep(LETTERS[1:4], 6),
                 X2 = sort(rep(1:6, 4)),
                 ref = sample(1:50, 24),
                 sampl1 = sample(1:50, 24),
                 var2 = sample(1:50, 24),
                 meas3 = sample(1:50, 24))

我可以summarise_at()用来计算列子集中的值的数量:

df %>% summarise_at(vars(contains("2")), funs(sd_expr = n() ))

这不是很令人兴奋,因为它与行数相同.但是,它在具有嵌套列的表中很有用,每个单元格包含一个数据帧,每个单元格中的行数不同.

例如,

df %>% 
  mutate_at(vars(-one_of(c("X1", "X2", "ref"))), funs(first = . - ref)) %>% 
  mutate_at(vars(contains("first")),  funs(second = . *2 )) %>%
  nest(-X1) %>%  
  mutate(mean = map(data, 
                  ~ summarise_at(.x, vars(contains("second")),
                                     funs(mean_second = mean(.) ))),
         n = map(data, 
                  ~ summarise_at(.x, vars(contains("second")),
                                     funs(n_second = n()  ))) ) %>%
  unnest(mean, n)

但是我得到错误:

mutate_impl(.data,dots)出错:评估错误:无法创建对不可调用对象的调用.

为什么mean()函数在这种情况下工作而n()不是？

现在几个可以解决的问题是:

n = map(data, ~ summarise_at(.x, vars(contains("second")),    
                                 funs(n_second = length(unique(.))  )))

但是当在不同的行上存在相同的值或者可选地:

n = map(data, ~ nrow(.x)  )

但这不允许我构建更复杂的summarise_at()功能,这正是我真正的目标.最后我想做这样的事情来计算标准误差:

se = map(data, ~ summarise_at(.x, vars(contains("second")),
                                         funs(se_second = sd(.)/sqrt(n())  ))) 

为什么n()不做我认为在这种情况下应该做的事情？

Answer 1

我相信aosmith的评论是正确的，这是这个问题的一个例子：

＃2080：在嵌套 mutate()/summarize() 调用中使用 n() 会产生意想不到的结果

原因是 dplyr 的混合评估，它将某些 R 函数识别为它知道如何在 C++ 代码中处理的东西，并替换它们。在这种情况下，更换过于激进。特别是，mutate将 替换n()为数字 4（因为嵌套后外部数据框中有 4 行，尽管嵌套数据框本身各有 6 行）。您可以通过运行以下命令来查看：

library(tidyverse)

set.seed(123)
df <- data_frame(X1 = rep(LETTERS[1:4], 6),
                 X2 = sort(rep(1:6, 4)),
                 ref = sample(1:50, 24),
                 sampl1 = sample(1:50, 24),
                 var2 = sample(1:50, 24),
                 meas3 = sample(1:50, 24))

df1 <- df %>% 
  mutate_at(vars(-one_of(c("X1", "X2", "ref"))), funs(first = . - ref)) %>% 
  mutate_at(vars(contains("first")),  funs(second = . *2 )) %>% print %>% 
  nest(-X1)

debugonce(map)

df1 %>% mutate(n = map(data,
                       ~ summarize_at(.x,
                                      vars(contains("second")),
                                      funs(n_second = n()))))

在 dplyr 0.7.8 中，这会产生以下消息：

debugging in: map(data, ~summarize_at(.x, vars(contains("second")), funs(n_second = 4L)))

当然funs(4)不会工作，因为4不可调用，所以你会得到错误。

也许更有害的是，如果您尝试通过执行以下操作来修复它：

df1 %>% mutate(n = map(data,
                       ~ summarize_at(.x,
                                      vars(contains("second")),
                                      . %>% { n() }))) %>%
  unnest(n)

在 dplyr 0.7.8 中，运行没有错误，但给出了错误的答案：计数为 4 而不是 6，因为它使用外部数据框中的行数，而不是嵌套数据框中的行数。

幸运的是，由于以下更改，所有这些都应该在 dplyr 0.8.0 中得到修复：

＃3526：混合全有或全无

通过这一更改，对 的调用mutate不会替换n()，因为它不知道如何替换包含该内容的完整表达式n()（正如我们所见，周围的表达式可以更改 的含义n()）。

至于在以前版本的 dplyr 中工作的替代方案，在我看来，您感兴趣的计算可以在不嵌套的情况下通过使用来实现 group_by：

df %>% 
  mutate_at(vars(-one_of(c("X1", "X2", "ref"))), funs(first = . - ref)) %>% 
  mutate_at(vars(contains("first")),  funs(second = . *2 )) %>%
  group_by(X1) %>%  
  summarise_at(vars(contains("second")),
               funs(mean_second = mean(.),
                    n_second = n(),
                    se_second = sd(.)/sqrt(n()) ))