Сводная статистика вложенной группы в функции рефрейминга dplyr в R

Предположим, что у меня есть df вот так:

df <- tribble(
  ~Country, ~Gender, ~var,
  "Bangladesh", "F", 2.5,
  "Bangladesh", "M", 4.5,
  "Bangladesh", "M", 4.1,
  "US", "F", 1.7,
  "US", "F", 2.7,
  "US", "M", 3.5,
)

Мы можем легко и отдельно выполнить следующую задачу: один для группировки на основе Country и Gender

df %>% 
  group_by(Country, Gender) %>%
  reframe(
    n = n(),
    meanVar = mean(var))

и другой, если мы хотим знать общие значения в каждой стране:

df %>% 
  group_by(Country) %>%
  reframe(
    n = n(),
    meanVar = mean(var))

но мне было интересно, можем ли мы получить вывод, в котором у нас есть три строки сводной статистики для каждой страны: F, M и All для всех женщин и мужчин в каждой стране.

В недавней записи блога я рассказываю об этом и других проблемах, возникающих при работе с вложенными data.frame.

— 02.04.2023 15:55

r dplyr

02.04.2023 15:48

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Мы можем использовать bind_rows() и сначала изменить Gender на "All", а затем сгруппировать по Country и Gender:

library(dplyr)

df %>% 
  mutate(Gender = "All") %>% 
  bind_rows(., df) %>% 
  group_by(Country, Gender) %>% 
  summarise(n = n(),
            meanVar = mean(var))

#> # A tibble: 6 × 4
#> # Groups:   Country [2]
#>   Country    Gender     n meanVar
#>   <chr>      <chr>  <int>   <dbl>
#> 1 Bangladesh All        3    3.7 
#> 2 Bangladesh F          1    2.5 
#> 3 Bangladesh M          2    4.3 
#> 4 US         All        3    2.63
#> 5 US         F          2    2.2 
#> 6 US         M          1    3.5

Данные из ОП


df <- tribble(
  ~Country, ~Gender, ~var,
  "Bangladesh", "F", 2.5,
  "Bangladesh", "M", 4.5,
  "Bangladesh", "M", 4.1,
  "US", "F", 1.7,
  "US", "F", 2.7,
  "US", "M", 3.5,
)

^{Created on 2023-04-02 with reprex v2.0.2}

Хороший хак. У меня часто бывают похожие варианты использования, и мне никогда не приходило в голову, что самым простым способом было бы добавить «итого» к фрейму данных перед группировкой.

— 02.04.2023 16:14

Это хороший трюк, но с большим количеством групп я предпочитаю сетки без данных. Я связал недавнее сообщение в блоге в комментариях к ОП.

— 02.04.2023 16:26

02.04.2023 15:53