如何使用返回不同数量的返回值的不同函数汇总分组数据？

Question

我正在分组数据集上工作，我想将4个统计数据添加为4个新列：count，mean，ci lower，ci upper。

我总结的意思，C1低，CI上限如下：

library(Hmisc) 
library(dplyr) 

# summarize count, mean, confidence intervals and make four new columns; 
mtcars %>% group_by(vs, am) %>% 
    do(
     as.data.frame(as.list(smean.cl.normal(.$mpg))) 
    ) 
#  vs am  Mean Lower Upper 
# <dbl> <dbl> <dbl> <dbl> <dbl> 
# 1  0  0 15.05000 13.28723 16.81277 
# 2  0  1 19.75000 15.54295 23.95705 
# 3  1  0 20.74286 18.45750 23.02822 
# 4  1  1 28.37143 23.97129 32.77157 

然而，当我添加数，新列变为列表2列：

df <- mtcars %>% group_by(vs, am) %>% 
    do(
     n = length(.$mpg), 
     stats = smean.cl.normal(.$mpg) 
    ) 

# # A tibble: 4 × 4 
#  vs am   n  stats 
# * <dbl> <dbl> <list> <list> 
# 1  0  0 <int [1]> <dbl [3]> 
# 2  0  1 <int [1]> <dbl [3]> 
# 3  1  0 <int [1]> <dbl [3]> 
# 4  1  1 <int [1]> <dbl [3]> 

我所需的输出是：

#  vs am  n  Mean Lower Upper 
# <dbl> <dbl> <int> <dbl> <dbl> <dbl> 
# 1  0  0 12 15.05000 13.28723 16.81277 
# 2  0  1  6 19.75000 15.54295 23.95705 
# 3  1  0  7 20.74286 18.45750 23.02822 
# 4  1  1  7 28.37143 23.97129 32.77157 

我应该怎么做到这一点呢？

在此先感谢。

---

我也试过：

mtcars %>% group_by(vs, am) %>% 
    do(
     as.data.frame(as.list(c(length(.$mpg), smean.cl.normal(.$mpg)))) 
    ) 

# Source: local data frame [4 x 8] 
# Groups: vs, am [4] 
# 
# vs am X12  Mean Lower Upper X6 X7 
# <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> 
# 1  0  0 12 15.05000 13.28723 16.81277 NA NA 
# 2  0  1 NA 19.75000 15.54295 23.95705  6 NA 
# 3  1  0 NA 20.74286 18.45750 23.02822 NA  7 
# 4  1  1 NA 28.37143 23.97129 32.77157 NA  7 

这给了奇怪的结果。

Answer 1

您可以使用多个tidyverse包，即tidyr，dplyr，purrr和broom做到这一点不do。

这背后的原因是，do will eventually be replaced by purrr

它的作用：

1. 组用vs和我
2. 巢mpg格式到一个列表框。
3. 创建统计列和n列作为列表框。
4. 将列表框放入单独的行和列中。
5. 删除数据列表框。

你需要做一些finagling得到适当形式的smean.cl.normal在第3步我的方法是变换输出到一个整洁的数据帧与broom::tidy然后tidyr::spread行成列。它对于每个vs/am组都是适当的整齐形式。这种方法可能可以改进，并希望这些建议将发表在评论中。

library(Hmisc) 
library(tidyverse) 

mtcars %>% 
    group_by(vs, am) %>% 
    nest(mpg) %>% 
    mutate(stats = map(data, ~spread(tidy(smean.cl.normal(.x$mpg)), names, x)), 
     n = map(data, nrow)) %>% 
    unnest(stats, n) %>% 
    select(-data)