对列表列进行汇总，获取第一个值（以 dplyr 表示）

Question

我有一个大数据框，其中有一些半重复的条目，我试图通过dplyr::summarise. 这适用于数字列、字符列和逻辑列，但不适用于列表列。

mydata <- tibble(A = c(1,1,2,2,3,3),
                 B = c(1,NA,4,5,7,7),
                 C = list(1:3, 1:3, 2:4, 2:4, 3:6, 3:6))

dedupedData <- mydata %>%
  group_by(A) %>%
  summarise(across(where(is.numeric), mean, na.rm = TRUE))

按预期工作；

dedupedData <- mydata %>%
  group_by(A) %>%
  summarise(across(where(is.numeric), mean, na.rm = TRUE),
            across(where(is.list), first))

失败与我的数据集不同。上面通过分散 C 的范围来创建重复的行数，即 A1 组获得 1:3，A2 获得 2:4，A3 获得 3:6。对于我的数据：

dedupedData <- mydata %>%
  group_by(A, B) %>%
  summarise(across(where(is.numeric), mean, na.rm = TRUE),
            across(where(is.character), first),
            across(where(is.logical), first),
            across(where(is.POSIXct), first),
            across(where(is.list), first))

一直有效，直到我包含 is.list 行，然后它会中断：

错误：summarise()输入有问题..5。x 'names' 属性 [11] 的长度必须与向量 [9] 相同

有谁知道如何解决这个问题？分组时，列表项会像其他列一样被拆分，因此组 A1 的 C 值应该是

mydata$C[1:2]

[ 1 ] 1 1 2 3

[[2]] 1 1 2 3

（第一个列表项是 R 中的双方括号，但由于某种原因不在这里）

因此first(mydata$C[1:2])

1 1 2 3

看起来不错，我只需要将其发送到目标单元格即可。

我还需要以across这种方式显式链接线路吗？我试过了!is.numeric，也is.POSIXct | is.character | is.logical | is.list。

谢谢。相关地，如果有人知道如何创建不是范围的列列表，那就太好了 - 我之前已经设法通过分组摘要来做到这一点，但对于这个 reprex，我复制了R For Data Science 示例，但似乎并没有通用，即如果将 mydata 的最后一行更改为

C = list(c(1,2,3), 1:3, 2:4, 2:4, 3:6, 3:6))

那么 C1 将是“c(1,2,3)”，而不是评估逗号分隔的术语，似乎不允许任何不是单个值或范围的东西？

干杯!

Answer 1

我们按'A'，'B'分组，获取first的元素list，并将其包装在 alist中across

library(dplyr)
out <- mydata %>%
  group_by(A, B) %>% 
  summarise(across(where(is.numeric), mean, na.rm = TRUE), 
            across(where(is.list),  ~ list(first(.)))) 

-输出

out
# A tibble: 5 x 3
# Groups:   A [3]
#      A     B C        
#  <dbl> <dbl> <list>   
#1     1     1 <int [3]>
#2     1    NA <int [3]>
#3     2     4 <int [3]>
#4     2     5 <int [3]>
#5     3     7 <int [4]>

如果我们想获取第一个元素，另一个选择是slice

mydata %>% 
     group_by(A, B) %>%
     slice(1)