R：整理和汇总tidyverse样式的配对比较数据集 更新

如何解决R：整理和汇总tidyverse样式的配对比较数据集 更新

我有一个数据集，特征{a，b，c ...}属于一组{a，b，c}，属于一对玩家。每行代表一场比赛的结果，列 name_1 ， name_2 代表玩家名称，所有其他列 a1，a2，b1，b2，c1，c2，等等。代表与比赛中玩家相对应的数字特征。

以下是数据集的示例：

set.seed(17)
df <- tibble(
  name_1 = sample(letters[1:3],length(letters),replace = TRUE),name_2 = sample(letters[1:3],a1 = rnorm(length(letters)),a2 = rnorm(length(letters)),b1 = rnorm(length(letters)),b2 = rnorm(length(letters)),c1 = rnorm(length(letters)),c2 = rnorm(length(letters))) %>% 
  filter(!(name_1 == name_2))

我需要的是找到按玩家分组的每个功能的摘要统计信息。麻烦在于，同一位玩家（例如 a ）有时可以位于 name_1 下，有时可以位于 name_2 下，因此他的功能可能是位于 feature1 或 feature2 。

这是我为一位玩家（即 a ）和一项功能（即 a ）做的尝试：

df %>% 
  mutate(feature_a_joined = case_when(df$name_1 == "a" ~ a1,df$name_2 == "a" ~ a2)) %>% 
  summarise(mean = mean(feature_a_joined,na.rm = TRUE))

我对R相当陌生，但是我在多个小插曲中看到的示例涉及更多标准数据集。有没有一种有效的方法来为每个球员和每个变量进行总结？

更新 我的预期结果将是这样的：

# A tibble: 3 x 4
  player feature_a_mean feature_b_mean feature_c_mean
  <chr>           <dbl>          <dbl>          <dbl>
1 a              -0.330          2.38           0.960
2 b              -0.482          1.30           0.207
3 c              -0.482         -0.477         -1.71 

解决方法

我们可以使用map。从数据获取唯一的列名（'un1'）。遍历那些（map），用case_when应用OP的代码并获得mean

library(dplyr)
library(purrr)
library(stringr)
un1 <- unique(str_remove(names(df)[-(1:2)],"\\d+"))
map_dfc(un1,~
       df %>%
         summarise(!! str_c('mean_',.x) :=
         mean(case_when(name_1 == .x ~ !! rlang::sym(str_c(.x,'1')),name_2 == .x ~ !! rlang::sym(str_c(.x,'2'))),na.rm = TRUE)))

-输出

# A tibble: 1 x 3
#    mean_a mean_b  mean_c
#     <dbl>  <dbl>   <dbl>
#1 -0.00673  0.186 -0.0632

更新

基于OP的预期输出（假设输出值是占位符），我们使用pivot_longer将多个列块整形为'long'格式，并进行分组以获得summarise { {1}}列“ a”至“ c”

across

-输出

library(tidyr)
df %>% 
   pivot_longer(everything(),names_to = c('.value','grp'),names_sep= '(?<=[a-z])_?(?=[0-9])')  %>% 
   group_by(player = name) %>% 
   summarise(across(a:c,mean,na.rm = TRUE),.groups = 'drop')