为什么 ``mean`` 函数在函数环境中不能与 ``group_by %>% summarise`` 一起正常工作？

Question

例如：

df <- data.frame("Treatment" = c(rep("A", 2), rep("B", 2)), "Price" = 1:4, "Cost" = 2:5)

我想通过对所有变量的处理来汇总数据，并将它们放在一起，所以我定义了一个函数来首先对每个变量执行此操作，然后 rbind 稍后再对它们进行处理。

SummarizeFn <- function(x,y,z) {
                       df1 <- x %>% group_by(Treatment) %>% 
                       summarize(n = n(), Mean = mean(y), SD = sd(y)) %>% 
                       df1$Var = z # add a column to show which variable those statistics belong to. 
                   }
SumPrice <- SummarizeFn(df, df$Price, "Price")

然而，结果是：

  Treatment     n  Mean    SD Var  
  <fct>     <int> <dbl> <dbl> <chr>
1 A             2   2.5  1.29 Price
2 B             2   2.5  1.29 Price

它们是所有观察值的平均值和标准差，但不是按治疗分组的观察值。这里有什么问题？

如果我将代码从函数环境中取出，它完全可以正常工作。请帮助，谢谢。

如果你有更好的方法达到我的目的，那就太好了！谢谢！

Answer 1

这涉及到评价标准的问题。这很有趣，我刚刚写了一个article on the subject。这很难用 dplyr 传递字符串名称。如果您需要这样做，请使用 rlang::sym（或 rlang::syms）和 !!（或 !!!）

关于你的问题，我想data.table给你一个简洁的解决方案

dt <- as.data.table(mtcars)
output <- dt[,lapply(.SD, function(d) return(list(.N,mean(d),sd(d)))),
   .SDcols = c("mpg","qsec")]
output[,'stat' := c("observations","mean","sd")]
output

# output
#    mpg     qsec         stat
# 1:       32       32 observations
# 2: 20.09062 17.84875         mean
# 3: 6.026948 1.786943           sd

我建议使用 lapply 的匿名函数，但您可以使用在摘要步骤之前定义的更复杂的函数。如果需要，请更改 .SDcols 以包含更多变量

Answer 2

当您在 dplyr 管道中将变量与 $ 一起使用时，它们不遵循分组，并且就像它们应用于整个数据帧一样工作。除此之外，您可以使用 {{}} 来计算函数中的列名。

library(dplyr)

SummarizeFn <- function(x,y,z) {
  x %>% 
    group_by(Treatment) %>% 
    summarize(n = n(), Mean = mean({{y}}), SD = sd({{y}}), Var = z)
}

SummarizeFn(df, Price, "Price")

#  Treatment     n  Mean    SD Var  
#  <fct>     <int> <dbl> <dbl> <chr>
#1 A             2   1.5 0.707 Price
#2 B             2   3.5 0.707 Price

为什么 ``mean`` 函数在函数环境中不能与 ``group_by %>% summarise`` 一起正常工作？

Why does the ``mean`` function not work properly with ``group_by %>% summarise`` in a function environement?

group-by

r

function

mean