ACROSS函数

# across 函数

#以iris数据集为例

#library(tidyverse)

#计算所有变量的非缺失值的总数

count <- iris %>%

  summarise_all(~sum(!is.na(.)))

#计算sepal.length,sepal.width,petal.length,petal.width非缺失值的均值

mean_ir <- iris %>%

     summarise(

       mean_l_sepal = mean(Sepal.Length,na.rm=T),

       mean_w_sepal = mean(Sepal.Width,na.rm=T),

       mean_l_petal = mean(Petal.Length,na.rm=T),

       mean_w_petal = mean(Petal.Width,na.rm=T)

     )

#上面的过程对于变量较少时，还可以，但是如果变量比较多，就很麻烦，可以用summarise_if简化过程

#以species为分组变量，计算所有数值变量的均值

mean_group <- iris %>%

          group_by(Species) %>%

          summarise_if(is.numeric,mean,na.rm=T)

 

 

## 函数的基本形式

 

across()函数，主要有三个参数：     

across(.cols=,.fns,.names=)     

.cols用来表示用户自定义的列（可以多选），选择的语法和select函数一致。       

.fns表示用户需要运行的函数（可以多个），有三种形式可以选             

1.function，例如sum,mean

2.purrr-style lamda，例如 ~mean(.x,na.rm=T)

3.list of functions/lambdas，例如,list(mean=mean,n_miss=~sum(is.na(.x)))

.names是函数得到结果的名字。

 

#计算所有变量的非缺失值的总数

counts <- iris %>%

       summarise(

         across(everything()& !Species ,function(x) sum(x,na.rm=T))

       )

 

means <- iris %>%

  summarise(

         across(everything()& !Species,list(mean=mean,sd=sd),na.rm=T),

         n = n()

  )

# using across(),如果结果返回一行以上的数据，应该使用reframe，summarise会报错

quantile <- iris %>%

  group_by(Species) %>%

  reframe(

    prob = c(.25, .75),

    across(

      ends_with("Length"),

      ~ quantile(., prob, na.rm = TRUE)

    )

  )