如何在参数值列表上进行“summarize”和/或“mutate”，而不需要外部“for”循环或生成额外的列？

Question

我被要求生成这样的东西：

library("tidyverse")
df <- tibble(
  comparison_var = c(1:10), 
  var_to_sum = runif(10, max = 10), 
  other_var = runif(10, max = 50)
)

summary_tbl <- df |>
  summarize(
    other_summary = mean(other_var),
    sum_gt1 = sum((comparison_var > 2) * var_to_sum),
    sum_gt2 = sum((comparison_var > 3) * var_to_sum),
    #...,
    sum_gtN = sum((comparison_var > 9) * var_to_sum)
  )

无需重复。换句话说，生成使用（单个）简单变化参数值计算的任意数量的列。从技术上讲，我已经知道一些完成此任务的方法：

• 我可以创建 N 列，例如虚拟人先指示

  (comparison_var > n)

  ，然后指示

  across(starts_with(...), ...)

  。
  • 即使这样也引出了一个问题，即如何生成那些不将 mutate 粘在

    for

    循环或

    apply

    /

    map

    调用中的情况？ IE。可以在管链中完成循环吗，inside

    mutate(...)

    ？
• 我可以将

  summarize()

  放入循环中，

  for (cutoff in 1:N) {...}

  ，我想

  _join()

  将结果放入现有的汇总表中。
• 我大概可以再次使用每个参数值创建列，或者可能更复杂地创建一个包含参数列表的列表列，然后再次使用

  across()

  ，或者一些可能返回数据帧的

  map

  /

  apply

  东西.

其中一些并不是非常不雅，但确实感觉这应该是超级基本的东西。它与

across()

的想法完全相同，除了跨外部向量而不是多个列。事实上，每次我尝试用谷歌搜索它时，我发现的都是有关如何使用的问题

across

。

我真的很想要一些不涉及生成额外的列，或循环，或者实际上，理想情况下，留下管道链的东西。

我确实注意到，

summarize()

或

mutate()

的值本身可以是一个小标题，一次生成多个列。这导致写下这篇文章：

worldpop_educ_splits <- merged_tbl |>
  summarize(
    across(
      starts_with("yr_sch_gt"),
      ~ sum(.x * pop, na.rm = TRUE) / sum(pop, na.rm = TRUE),
      .names = "fracwt_{.col}"
    ),
    {
      tbl <- tibble(.rows = 1)
      for (cutoff in 2:9) {
        tbl[[1, glue("fracwt_yrsch_gt{cutoff}")]] <-
          sum((yr_sch > cutoff) * pop, na.rm = TRUE) / sum(pop, na.rm = TRUE)
      }
      tbl
    },
    .by = year
  )

这在技术上可行，但令人憎恶，而且，正如你可以猜到的那样，速度非常慢。我在示例中保留了第一个

across()

调用，因为它与我想要在第二个调用中执行的计算相同，但对于一个变量，我已经为每个截止级别提供了一个指示器。我只是不想也为这个制定一个指标，并且也想停止为第一个这样做。

是的，我可以改变一些列，然后将它们删除，或者用

summarize()

让它们消失。只是感觉必须有一种非常明显、优雅的方式来做到这一点，但我缺少。

非常感谢您的投入！

Answer 1

我并不关心计算速度，但对于这类事情我通常会得到一些

purrr

魔法：

library(tidyverse)
df %>%
  summarize(other_summary = mean(other_var)) %>%
  bind_cols(.x = map(1:9,
            .f = ~df %>%

summarize(!!sym(paste0('sum_gt', .x)) := sum((comparison_var > .x) * var_to_sum))) %>% 绑定_列())

# A tibble: 1 x 10
  other_summary sum_gt1 sum_gt2 sum_gt3 sum_gt4 sum_gt5 sum_gt6 sum_gt7 sum_gt8
          <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
1          29.0    39.8    34.5    34.4    27.1    21.2    20.8    15.6    14.3
# ... with 1 more variable: sum_gt9 <dbl>