R：dplyr 和 row_number() 未按预期枚举

Question

我想枚举分组产生的数据帧/标题的每条记录。该索引是按照定义的顺序排列的。如果我使用 row_number() 它确实会枚举但在组内。但我希望它在不考虑前一组的情况下进行枚举。

这是一个例子。为了简单起见，我使用了最小的数据框：

library(dplyr)

df0 <- data.frame( x1 = rep(LETTERS[1:2],each=2)
                 , x2 = rep(letters[1:2], 2)
                 , y = floor(abs(rnorm(4)*10))
)
df0
#   x1 x2  y
# 1  A  a 12
# 2  A  b 24
# 3  B  a  0
# 4  B  b 12

现在，我将此表分组：

 df1 <- df0 %>% group_by(x1,x2) %>% summarize(y=sum(y))

这给了我一个 tibble 类的对象：

 # A tibble: 4 x 3
 # Groups:   x1 [?]
 #   x1    x2        y
 #   <fct> <fct> <dbl>
 # 1 A     a        12
 # 2 A     b        24
 # 3 B     a         0
 # 4 B     b        12

我想使用 row_numer() 向该表添加行号：

 df2 <- df1 %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 # A tibble: 4 x 4
 # Groups:   x1 [2]
 #   x1    x2        y index
 #   <fct> <fct> <dbl> <int>
 # 1 A     b        24     1
 # 2 A     a        12     2
 # 3 B     b        12     1
 # 4 B     a         0     2

row_number() 确实在前一个分组中进行枚举。这不是我的本意。这可以避免首先将 tibble 转换为数据帧：

 df2 <- df2 %>% as.data.frame() %>% arrange(desc(y)) %>% mutate(index = row_number())
 df2
 #   x1 x2  y index
 # 1  A  b 24     1
 # 2  A  a 12     2
 # 3  B  b 12     3
 # 4  B  a  0     4

我的问题是：这种行为是故意的吗？如果是的话：将以前的数据处理合并到tibble中不是很危险吗？包含哪种类型的处理？目前我将把 tibble 转换为 dataframe 以避免这种意外的结果。

Answer 1

详细说明我的评论：是的，保留分组是有意的，并且在许多情况下很有用。如果您不了解group_byxe2\x80\x94 的工作原理，那么这才是危险的，而且任何函数都是如此。要撤消group_by，您可以调用ungroup。

\n\n

看一下文档group_by，因为它们非常详尽，并解释了该函数如何与其他函数交互，分组如何分层等。文档还解释了每个调用如何summarise删除分组层\xe2\x80\x94it在那里你对正在发生的事情感到困惑。

\n\n

例如，您可以按x1和进行分组x2，汇总y并创建行号，这将根据x1(summarise删除一层分组，即删除x2分组）为您提供行。然后取消分组可以让您根据整个数据框获取行号。

\n\n\n\n

library(dplyr)\n\ndf0 %>%\n  group_by(x1, x2) %>%\n  summarise(y = sum(y)) %>%\n  mutate(group_row = row_number()) %>%\n  ungroup() %>%\n  mutate(all_df_row = row_number())\n#> # A tibble: 4 x 5\n#>   x1    x2        y group_row all_df_row\n#>   <fct> <fct> <dbl>     <int>      <int>\n#> 1 A     a        12         1          1\n#> 2 A     b         2         2          2\n#> 3 B     a        10         1          3\n#> 4 B     b        23         2          4\n

\n\n

一个用例\xe2\x80\x94我可能每天都会这样做\xe2\x80\x94是为了获取多个组内的总和（再次，x1和x2），然后找到这些值在较大组内的份额（剥离后）一层分组，这是x1) 与mutate。同样，在这里我取消分组以显示份额而不是整个数据框。

\n\n

df0 %>%\n  group_by(x1, x2) %>%\n  summarise(y = sum(y)) %>%\n  mutate(share_in_group = y / sum(y)) %>%\n  ungroup() %>%\n  mutate(share_all_df = y / sum(y))\n#> # A tibble: 4 x 5\n#>   x1    x2        y share_in_group share_all_df\n#>   <fct> <fct> <dbl>          <dbl>        <dbl>\n#> 1 A     a        12          0.857       0.255 \n#> 2 A     b         2          0.143       0.0426\n#> 3 B     a        10          0.303       0.213 \n#> 4 B     b        23          0.697       0.489\n

\n\n

^{由reprex 包(v0.2.1)于 2018 年 10 月 11 日创建}

\n