dplyr summarize（）和summarise_each（）對所提供的函數進行額外調用

看來summarise和summarise_each正在對它們提供的回調函數進行不必要的額外調用。假設我們有以下dplyr summarize（）和summarise_each（）對所提供的函數進行額外調用

X <- data.frame(Group = rep(c("G1","G2"),2:3), Var1 = 1:5, Var2 = 11:15)

，看起來像這樣：

Group Var1 Var2 
1 G1 1 11 
2 G1 2 12 
3 G2 3 13 
4 G2 4 14 
5 G2 5 15

進一步假設我們有一個（潛在的昂貴）功能

f <- function(v) 
{ 
    cat("Calling f with vector", v, "\n") 
    ## ...additional bookkeeping and processing... 
    mean(v) 
}

，我們想申請每個組中的每個變量。使用dplyr，我們不妨去了解它以下列方式：

X %>% group_by(Group) %>% summarise_each(funs(f))

但是，輸出顯示f被稱爲一個額外的時間爲每個變量在G1：

Calling f with vector 1 2 
Calling f with vector 1 2 
Calling f with vector 3 4 5 
Calling f with vector 11 12 
Calling f with vector 11 12 
Calling f with vector 13 14 15 
# A tibble: 2 x 3 
    Group Var1 Var2 
    <fctr> <dbl> <dbl> 
1  G1 1.5 11.5 
2  G2 4.0 14.0

同樣的問題存在使用summarize時：

> X %>% group_by(Group) %>% summarise(test = f(Var1)) 
Calling f with vector 1 2 
Calling f with vector 1 2 
Calling f with vector 3 4 5 
# A tibble: 2 × 2 
    Group test 
    <fctr> <dbl> 
1  G1 1.5 
2  G2 4.0

這究竟是爲什麼，以及如何將一個去阻止summarise和summarise_each從打這些額外的電話？

（這是使用R版本3.3.0和0.5.0版本dplyr）

編輯：看來，問題與group_by和summarise/summarise_each之間的相互作用有關。沒有分組，不會有額外的呼叫。此外，mutate和mutate_each不會遇到此問題。（對於這些發現，信用度：eddi和eipi10）

來源

2016-08-30 Artem Sokolov

你可以進一步縮小範圍 - 問題出在'summarise'（和'group_by'） – eddi

我實際上傾向於使用'group_by'的問題。做一個簡單的'X％>％彙總（test = f（Var1））'表現得像預期的那樣，但是'X％>％group_by（Group）％>％summarize（test = f（Var1））'不。 –

'mutate'和'mutate_each'不會受到這個錯誤的影響（與'group_by'一起使用時） – eddi

儘管dplyr 0.5.0（2016年6月24日發佈）中仍存在此問題，但它已在dplyr GitHub repro中修復。它在2016-09-24制定了this commit。我已經確認，當我在前一次提交中籤出並構建版本時，我可以重現該問題，但不能在從其中一個或更多版本進行構建時複製該問題。

（是的，我嘗試了一大堆其他的之前，我發現了它。爲什麼我去這樣的長度賺取虛上網點的希望，我離開爲我的治療師的問題。:)

特別是，在inst/include/dplyr/Result/CallbackProcessor.h功能SEXP process_data(const Data& gdf)，注意這些變化：

CLASS* obj = static_cast<CLASS*>(this); 
    typename Data::group_iterator git = gdf.group_begin(); 

    RObject first_result = obj->process_chunk(*git); 
    ++git; // This line was added

和

for (int i = 1; i < ngroups; ++git, ++i) { // changed from starting at i = 0 
    RObject chunk = obj->process_chunk(*git);

[評論由我添加的，沒有t部分實際來源]

來源

2017-02-27 04:58:15

偉大的偵探工作！ –

dplyr summarize（）和summarise_each（）對所提供的函數進行額外調用

回答

相關問題