使用R语言中的tidyverse进行分组处理

• 使用tidyverse包可以方便地进行分组处理。

> data
  name id grade
1    a  1    60
2    a  2    NA
3    b  3    60
4    c  4    80
5    c  5    60
6    c  6    60

可以对不同class进行分组，并作相应地统计。

library(tidyverse)

• 对name分组后计数
  n()不支持对某一字段计数，也不能用中括号限定条件。

>  data %>% group_by(name) %>% summarise(count = n())
# A tibble: 3 x 2
  name  count
  <fct> <int>
1 a         2
2 b         1
3 c         3

• 对grade去重后计数
  这里的n_distinct()可以支持用中括号对符合某条件的数据进行计数。

#也可以写成 summarise(n_distinct(grade[id>3]))，只统计id大于3的数量。
> data %>% group_by(name) %>% summarise(n_distinct(grade))
# A tibble: 3 x 2
  name  `n_distinct(grade)`
  <fct>               <int>
1 a                       2
2 b                       1
3 c                       2

• 统计grade字段中非NA的数量。逻辑结果中，TRUE的值为1，FALSE的值为0。

> data %>% group_by(name) %>% summarise(count = sum(!is.na(grade)))
# A tibble: 3 x 2
  name  count
  <fct> <int>
1 a         1
2 b         1
3 c         3

• 求grade的平均值， 不考虑NA。

> data %>% group_by(name) %>% summarise(mean = mean(grade, na.rm = T))
# A tibble: 3 x 2
  name   mean
  <fct> <dbl>
1 a      60  
2 b      60  
3 c      66.7

• 求grade的平均值，但只考虑id为奇数的记录。这里是可以在分组内指定条件的，像sql中的having， 中括号中的语句就是限定的条件，中括号前的内容是要统计的字段。

> data %>% group_by(name) %>% summarise(mean = mean(grade[id%%2 == 1], na.rm = T))
# A tibble: 3 x 2
  name   mean
  <fct> <dbl>
1 a        60
2 b        60
3 c        60

• 统计每个分组下，grade字段中值为60的的记录所占的比例，可以巧妙地使用平均函数与逻辑判断。

> data %>% group_by(name) %>% summarise(ratio = mean(grade == 60, na.rm = T))
# A tibble: 3 x 2
  name  ratio
  <fct> <dbl>
1 a     1    
2 b     1    
3 c     0.667

参考文章：
R for Data Science