使用 group_by 和汇总时出现重复行

Question

我有一个数据 table，当结合使用汇总函数和 group_by 时，我得到了重复的行。

我将给出我的问题的一个简化示例。首先，我使用 group_by 和 mutate 为每个 id 添加 'value' 的总和。

dt <- data.table(id = rep(1:5, each=10), cpc = rep((0.1*seq(5)), each=2), value = 1:50)

dt2 <- dt %>%
  group_by(id) %>%
  mutate(SumValue = sum(value))


Source: local data table [50 x 4]

   id cpc value SumValue
1   1 0.1     1       55
2   1 0.1     2       55
3   1 0.2     3       55
4   1 0.2     4       55
5   1 0.3     5       55
6   1 0.3     6       55
7   1 0.4     7       55
8   1 0.4     8       55
9   1 0.5     9       55
10  1 0.5    10       55
.. .. ...   ...      ...

到目前为止，没有任何问题。但在那之后，当我对每个 id、cpc 组合执行 group_by 并使用 summarise 时，输出并不像我预期的那样。数字是正确的，但有重复的行。

dt2 %>%
  group_by(id, cpc) %>%
  summarise(count = n(), SumValue = SumValue)

Source: local data table [50 x 4]
Groups: id

   id cpc count SumValue
1   1 0.1     2       55
2   1 0.1     2       55
3   1 0.2     2       55
4   1 0.2     2       55
5   1 0.3     2       55
6   1 0.3     2       55
7   1 0.4     2       55
8   1 0.4     2       55
9   1 0.5     2       55
10  1 0.5     2       55
.. .. ...   ...      ...

使用 unique() 可以得到所需的结果，但我认为这不是必需的。

dt2 %>%
  group_by(id, cpc) %>%
  summarise(count = n(), SumValue = SumValue) %>%
  unique()

Source: local data table [25 x 4]
Groups: id

   id cpc count SumValue
1   1 0.1     2       55
2   1 0.2     2       55
3   1 0.3     2       55
4   1 0.4     2       55
5   1 0.5     2       55
6   2 0.1     2      155
7   2 0.2     2      155
8   2 0.3     2      155
9   2 0.4     2      155
10  2 0.5     2      155
.. .. ...   ...      ...

我以为group_by在add=FALSE时设置了组，所以我不知道为什么会出现重复的行。

Answer 1

尝试以这种方式使用唯一性。不确定这是否有帮助。

R> df <- data.frame(a=c(1,2,3,4,3,2), b=c(4,5,6,6,4,3)) 
R> unique(unlist(df)) 
[1] 1 2 3 4 5 6

Answer 2

我不确定确切的问题，但是当您将一个向量分配给汇总变量时，您通常需要选择该向量的一个元素。因此，在这种情况下，您需要选择 "SumValue" 的哪个值分配给汇总的 "SumValue"。我通常只是用 variable[1] 来做这件事，但 first(variable) 可能更好。这是否为您提供了您正在寻找的结果？

dt <- data_frame(id = rep(1:5, each=10), 
                 cpc = rep((0.1*seq(5)), each=10), 
                 value = 1:50)
dt2 <- dt %>%
  group_by(id) %>%
  mutate(SumValue = sum(value))
dt2

dt2 %>%
  group_by(id, cpc) %>%
  summarise(count = n(), SumValue = first(SumValue))

使用 group_by 和汇总时出现重复行

Duplicated rows emerging when using group_by and summarise

r

dplyr

data.table