逃离dplyr: 不使用group_by和arrange实现分组排序

今天在写代码的时候，发现项目中出现了一些重复的代码，所以要把他们封装成一个单个函数。在封装的过程中，我遇到了一个让我头疼的问题。

在使用dplyr的时候，你可能会注意到一个非常有趣的细节，那就是你不用""来区别变量和字符串，dplyr能够帮你好这个事情。举个例子，下面的代码都是让iris数据集按照"Sepal.Length"进行排序。

group_by(iris, Sepal.Length)
group_by(iris, "Sepal.Length")

这时候，让我们思考一个问题，如果在之前命名了一个group.by <- "Sepal.Length"，那么运行group_by(iris, group.by)的时候，这个group.by会被替换成Sepal.Length吗？下面的代码会报错吗？大家可以思考一下，然后往下看。

group.by <- "Sepal.Length"
group_by(iris, group.by)

实际上，运行上面的代码，你会得到一个报错"Error: Column group.by is unknown". group_by没有替换掉你的变量名。

为什么会出现这个情况？这个就涉及到dplyr编程的内容，具体可以参考https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html

参考dplyr的教程，如果要让上面的代码能够运行，我们需要需要在变量名前加上!!或者调用UQ函数

group_by(iris, !!group.by)
group_by(iris, UQ(group.by))

假如你要创造一个函数，要用到group_by，那么你应该怎么写呢？我们的直觉就是下面的代码

my_group_by <- function(df, group.by){df <- group_by(df,group.by )
}

根据前面的铺垫，你应该知道，运行my_group_by(iris, Sepal.Length)会出现报错，报错信息为" Error: Column group.by is unknown"。于是你试着之前的解决方法加上了"UQ"

my_group_by <- function(df, group.by){df <- group_by(df, UQ(group.by) )return(df)
}

思考下，my_group_by(iris, Sepal.Length)能够得到结果吗？

很遗憾，代码报错了

 Error in splice(dot_call(capture_dots, frame_env = frame_env, named = named,  : object 'Sepal.Length' not found

正确的调用方法是my_group_by(iris, "Sepal.Length"). 当然由于你用习惯了dplyr，你希望是my_group_by(iris, Sepal.Length)调用代码，那么你的函数需要怎么写呢？为了解决这个问题，你可能要仔细阅读https://cran.r-project.org/web/packages/dplyr/vignettes/programming.html才行，理解什么叫做"Quasiquotation"

经过一波折腾之后，我受够了这种将dplyr代码改成函数时的不一致性（也可能是我不熟练），我决定还是只用R基础代码来实现我的功能，不就是分组排序吗，为啥一定要用group_by 和 arrange呢.

无非就是先利用因子将数据库分成多个列表(split)，然后对每个列表按照某一列进行排序(lapply)，而这里排序过程就是获取从最大到最小的索引(order)，最后按行进行合并(do.call, rbind)而已呀。如下是实现的代码

my.group.by <- function(df, group.by, sort.by,decreasing = TRUE){df.split <- split(df, df[[group.by]])df.split.sort <- lapply(df.split, function(x){x.order <- order(x[[sort.by]],decreasing = decreasing)x <- x[x.order,]x})df <- do.call(rbind, df.split.sort)return(df)
}my.group.by(iris, group.by = "Species", sort.by = "Sepal.Length")

逃离dplyr: 不使用group_by和arrange实现分组排序相关推荐

R语言dplyr包使用group_by函数、arrange函数和filter函数获取每个分组的第一个、第N个、最后一个记录实战
R语言dplyr包使用group_by函数.arrange函数和filter函数获取每个分组的第一个.第N个.最后一个记录实战目录
R语言使用dplyr包使用group_by函数、summarise函数和mutate函数计算分组下的均值、标准差、样本个数、以及分组均值的95%执行区间对应的下限值和上限值（Calculate CI)
R语言使用dplyr包使用group_by函数.summarise函数和mutate函数计算分组下的均值.标准差.样本个数.以及分组均值的95%执行区间对应的下限值和上限值(Calculate 95% ...
R语言dplyr包使用group_by函数和summarise函数构建频率表实战
R语言dplyr包使用group_by函数和summarise函数构建频率表表实战目录 R语言dplyr包使用group_by函数和summarise函数构建频率表表实战
R语言使用dplyr包的group_by函数和summarise函数基于分组变量计算目标变量的均值、标准差
R语言使用dplyr包的group_by函数和summarise函数基于分组变量计算目标变量的均值.标准差(Difference in means and standard deviation of ...
R语言使用dplyr包的group_by函数和summarise函数基于分组变量计算分析中涉及的所有协变量的均值（Difference in means of covariates）
R语言使用dplyr包的group_by函数和summarise函数基于分组变量计算分析中涉及的所有协变量的均值(Difference in means of covariates) 目录
R语言dplyr包使用dplyr函数使用group_by函数、summarise函数和mutate函数计算分组占比实战
R语言dplyr包使用dplyr函数使用group_by函数.summarise函数和mutate函数计算分组占比实战目录 R语言dplyr包使用dplyr函数使用group_by函数.summar ...
R语言使用dplyr聚合统计分组数据、ggplot2可视化分组线图、使用geom_line函数自定义设置线条类型、粗细、颜色(Change line types + colors by groups)
R语言ggplot2可视化分组线图.使用geom_line函数自定义设置线条类型.宽度(粗细.).颜色(Change line types by groups.Change line types + ...
10. Joining Data with dplyr in R
文章目录 1. Joining Tables 1.1 The inner_join verb (video) 1.2 What columns would you join on? 1.3 Joini ...
R语言使用dplyr包的arrange函数对dataframe数据进行排序
R语言使用dplyr包的arrange函数对dataframe数据进行排序目录 R语言使用dplyr包的arrange函数对dataframe数据进行排序 R语言使用dplyr包的arrange函数 ...

逃离dplyr: 不使用group_by和arrange实现分组排序

逃离dplyr: 不使用group_by和arrange实现分组排序相关推荐

最新文章

热门文章