如何解决Transmute 有效但 mutate 无效
我有下面的数据集以及此处未显示的其他列：
v0102 v0103 child.below14 child.above14
1 31000010 1 0 0
2 31000010 1 0 0
3 31000010 1 1 0
4 31000010 1 1 0
5 31605621 1 0 0
6 31605621 1 1 0
7 31605621 1 1 0
8 31605877 1 0 0
9 31605877 1 1 0
我想按前两列分组并计算 14 岁以下和 14 岁以上儿童的数量。当我尝试使用转化时，我得到了预期的答案：
df.pnad.mg %>% group_by(v0102,v0103) %>% transmute(children.below14 = sum(child.below14),children.above14 = sum(child.above14))
v0102 v0103 children.below14 children.above14
1 31000010 1 3 0
2 31000010 1 3 0
3 31000010 1 3 0
4 31000010 1 3 0
5 31605621 1 2 0
6 31605621 1 2 0
7 31605621 1 2 0
8 31605621 1 2 0
9 31605877 1 1 0
然而，当我从 transmute 切换到 mutate 时，输出似乎忽略了 group_by() 动词：
df.pnad.mg %>% group_by(v0102,v0103) %>% mutate(children.below14 = sum(child.below14),children.above14 = sum(child.above14))
v0102 v0103 children.below14 children.above14
1 31000010 1 8092 7949
2 31000010 1 8092 7949
3 31000010 1 8092 7949
4 31000010 1 8092 7949
5 31000010 1 8092 7949
6 31605621 1 8092 7949
7 31605621 1 8092 7949
8 31605621 1 8092 7949
9 31605877 1 8092 7949
我错过了什么吗？
解决方法
您想要的函数是 summarize 而不是 mutate。
df.pnad.mg %>%
group_by(v0102,v0103) %>%
summarize(children.below14 = sum(child.below14),children.above14 = sum(child.above14))
当您使用 mutate 时，它会计算总和，但会保留所有行。
使用您的九行数据，这是我得到的输出：
`summarise()` regrouping output by 'v0102' (override with `.groups` argument)
# A tibble: 3 x 4
# Groups: v0102 [3]
v0102 v0103 children.below14 children.above14
<dbl> <dbl> <dbl> <dbl>
1 31000010 1 2 0
2 31605621 1 2 0
3 31605877 1 1 0
如果您希望保留所有行，那么 mutate 应该可以工作。我无法在 dplyr 1.0.2 中重现您的 mutate 问题。这是我对 mutate 的输出：
df.pnad.mg %>%
group_by(v0102,v0103) %>%
mutate(children.below14 = sum(child.below14),children.above14 = sum(child.above14))
# A tibble: 9 x 6
# Groups: v0102,v0103 [3]
v0102 v0103 child.below14 child.above14 children.below14 children.above14
<dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 31000010 1 0 0 2 0
2 31000010 1 0 0 2 0
3 31000010 1 1 0 2 0
4 31000010 1 1 0 2 0
5 31605621 1 0 0 2 0
6 31605621 1 1 0 2 0
7 31605621 1 1 0 2 0
8 31605877 1 0 0 1 0
9 31605877 1 1 0 1 0
如果您想创建这些新列并删除旧列，那么 transmute 就是您要做的。
这可以通过以下方式使用 across 解决：
library("tidyverse")
dta <- read_delim(
file = "id v0102 v0103 child.below14 child.above14
1 31000010 1 0 0
2 31000010 1 0 0
3 31000010 1 1 0
4 31000010 1 1 0
5 31605621 1 0 0
6 31605621 1 1 0
7 31605621 1 1 0
8 31605877 1 0 0
9 31605877 1 1 0",delim = " ",col_types = cols(.default = col_integer()),trim_ws = TRUE
)
group_by(dta,v0102,v0103,.add = TRUE) %>%
mutate(across(
.cols = starts_with("child"),.fns = sum,.names = "sum_{.col}"
)) %>%
ungroup()
结果
# A tibble: 9 x 7
id v0102 v0103 child.below14 child.above14 sum_child.below14 sum_child.above14
<int> <int> <int> <int> <int> <int> <int>
1 1 31000010 1 0 0 2 0
2 2 31000010 1 0 0 2 0
3 3 31000010 1 1 0 2 0
4 4 31000010 1 1 0 2 0
5 5 31605621 1 0 0 2 0
6 6 31605621 1 1 0 2 0
7 7 31605621 1 1 0 2 0
8 8 31605877 1 0 0 1 0
9 9 31605877 1 1 0 1 0
注意事项
-
.names参数采用glue规范，值得反思，因此获得的名称是有意义的
如果您可能想要保留任何其他组，则 -
group_by是有意义的。
.add 中的 版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。