如何使用r dplyr的总结来计算符合条件的行数？

Question

我有一个我想总结的数据集。首先，我想要家与客场游戏的总和。但是，我也想知道每个子类别（家，外出）中有多少个离群值（定义为300点以上）。

如果我不使用摘要，我知道dplyr具有count（）函数，但是我希望此解决方案出现在我的summarize（）< /代码>调用。这是我拥有的和我尝试过的，无法执行：

#Test data
library(dplyr)

test <- tibble(score = c(100, 150, 200, 301, 150, 345, 102, 131),
                  location = c("home", "away", "home", "away", "home", "away", "home", "away"),
                  more_than_300 = c(FALSE, FALSE, FALSE, TRUE, FALSE, TRUE, FALSE, FALSE))


#attempt 1, count rows that match a criteria
test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers = nrow(.[more_than_300 == FALSE]))

Answer 1

您可以在逻辑向量上使用sum - 它将自动将它们转换为数字值（true等于1和false等于0） ，因此您只需要做：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(more_than_300))
#> # A tibble: 2 x 3
#>   location total_score n_outliers
#>   <chr>          <dbl>      <int>
#> 1 away             927          2
#> 2 home             552          0

或者，如果这些是您仅有的3列，则等效的是：

test %>%
  group_by(location) %>%
  summarize(across(everything(), sum))

实际上，您不需要制作MORE_THAN_300列 - 这足以做到：

test %>%
  group_by(location) %>%
  summarize(total_score = sum(score),
            n_outliers  = sum(score > 300))

Answer 2

在基本r中，我们可以尝试汇总这样

> aggregate(.~location,test,sum)
  location score more_than_300
1     away   927             2
2     home   552             0

Answer 3

在基本XTABS中，可以使用每组总和。

xtabs(cbind(score, more_than_300) ~ ., test)
#location score more_than_300
#    away   927             2
#    home   552             0

或通过即时计算异常值并提供所需的列名称。

xtabs(cbind(total_score = score, n_outliers = score > 300) ~ location, test)
#location total_score n_outliers
#    away         927          2
#    home         552          0

另一个选项（也在基础上）将是rowsum。

with(test, rowsum(cbind(total_score = score, n_outliers = score > 300), location))
#     total_score n_outliers
#away         927          2
#home         552          0

XTABS和rowsum专门用于计算每个组的总和，并且可能在此任务中表现出色。