In R, wie funktioniert group_by in dplyr?

Question

Diese Frage ist angemessen, um die richtige Funktionalität der Funktion group_by zu verstehen.

Angenommen, ich habe einen Datenrahmen mit 5 binären Variablen (die Bedeutung dieser Variablen ist nicht wichtig) und eine variable ID, die einige Benutzer darstellt. Zum Beispiel:

id<- c("A","A" , "B" , "B") 
d<- as.data.frame(id) 
d$d1<- c(1,0,1,0) 
d$d2<- c(1,0,1,0) 
d$d3<- c(0,1,1,0) 
d$d4<- c(0,1,0,1) 
d$d5<- c(0,1,0,0) 
> d 
    id d1 d2 d3 d4 d5 
1 A 1 1 0 0 0 
2 A 0 0 1 1 1 
3 B 1 1 1 0 0 
4 B 0 0 0 1 0 

I eine Funktion der Lage, zu überprüfen, dass für jeden Benutzer, A und B, die Variablen d1 bis d5 enthält 1 in alle von ihnen konstruieren. B. für den Benutzer A, für jeden d1 bis d5 gibt es die Nummer eins in allen von ihnen.

verificator(d[1:2,]) 
[1] TRUE 

Aber für den B-Benutzer haben wir

verificator(d[3:4,]) 
[1] FALSE 

Wenn ich die dplyr Funktion verwenden, um die d-Matrix zu bewerten, ist etwas nicht in Ordnung:

d2<- d %>% group_by(id) %>% summarise(one = verificator(.)) 
d2 
Source: local data frame [2 x 2] 

    id one 
1 A TRUE 
2 B TRUE 

Warum tut dies für den B-Benutzer TRUE zurückgeben?

Answer 1

Wenn wir die erwartete Ausgabe, eine Option ist

d %>% 
    group_by(id) %>% 
    summarise_each(funs(sum)) %>% rowwise() %>% 
    do(data.frame(id = .[1L], one = as.logical(prod(unlist(.[-1]))))) 
#  id one 
# <fctr> <lgl> 
#1  A TRUE 
#2  B FALSE 

---

Wir können dies auch mit by bekommen müssen aus base R

verificator <- function(x){ 
    as.logical(prod(colSums(x))) 
    } 
c(by(d[-1], d$id, FUN = verificator)) 
# A  B 
#TRUE FALSE 

Answer 2

Der Grund, dass Sie ein falsches Ergebnis erhalten, ist, dass bei Verwendung von %>% der Punkt (.) für das konkurrierende Ergebnis des Ausdrucks links von %>% steht. Daher werten Sie einfach Ihre verificator() zweimal auf dem vollständigen Datenrahmen d aus.

Sie können dies wie folgt sehen. Erstens, ich überprüfen, ob verificator() auf den kompletten Datenrahmen angewandt in der Tat gibt TRUE:

verificator(d) 
## [1] TRUE 

Dann definiere ich eine andere Variante verificator(), die ihr Argument druckt:

verificator_p <- function(d) { 
    print(d) 
    return(verificator(d)) 
} 

den Code verwenden, die Sie vorgeschlagen, zeigt, dass es immer der volle Datenrahmen ist, der an die Funktion übergeben wird:

d %>% group_by(id) %>% summarise(one = verificator_p(.)) 
## Source: local data frame [4 x 6] 
## Groups: id [2] 
## 
##  id d1 d2 d3 d4 d5 
## (fctr) (dbl) (dbl) (dbl) (dbl) (dbl) 
## 1  A  1  1  0  0  0 
## 2  A  0  0  1  1  1 
## 3  B  1  1  1  0  0 
## 4  B  0  0  0  1  0 
## Source: local data frame [4 x 6] 
## Groups: id [2] 
## 
##  id d1 d2 d3 d4 d5 
## (fctr) (dbl) (dbl) (dbl) (dbl) (dbl) 
## 1  A  1  1  0  0  0 
## 2  A  0  0  1  1  1 
## 3  B  1  1  1  0  0 
## 4  B  0  0  0  1  0 
## Source: local data frame [4 x 6] 
## Groups: id [2] 
## 
##  id d1 d2 d3 d4 d5 
## (fctr) (dbl) (dbl) (dbl) (dbl) (dbl) 
## 1  A  1  1  0  0  0 
## 2  A  0  0  1  1  1 
## 3  B  1  1  1  0  0 
## 4  B  0  0  0  1  0 
## Source: local data frame [2 x 2] 
## 
##  id one 
## (fctr) (lgl) 
## 1  A TRUE 
## 2  B TRUE 

Was ich zugegebenermaßen nicht k jetzt, warum d dreimal gedruckt und nicht nur zweimal ...