dplyr的随机性

Question

今天发生了dplyr的奇怪事情。我有'数据'，一个有4列的矩阵。这是一个社交网络：V2是由边缘连接的节点，并且V3是一些标签。我对这个数据集的统计数据感兴趣，所以我使用了dplyr。然而，发生了一件奇怪的事情 - 它给了我一些随机的结果......我没有看到在分组，整理和总结数据方面的随机性。你能告诉我在附加的例子中会发生什么？

谢谢！

library(dplyr) 
library(magrittr) 

> head(data) 
    V1  V2  V3    V4 
[1,] "B1003" "B1051" "130000037751" "B" 
[2,] "B1009" "B1054" "130000037751" "B" 
[3,] "B1009" "B1033" "130000037751" "B" 
[4,] "B1012" "B1036" "130000037751" "B" 
[5,] "B1012" "B1066" "130000037751" "B" 
[6,] "B1012" "6IIIBM" "130000037751" "B" 

> data %>% 
+ as.data.frame %>% 
+ group_by("V3", "V4") %>% 
+ summarise(count=n_distinct("V1")) %>% 
+ arrange(., desc(count)) %>% 
+ print 
Source: local data frame [293 x 3] 
Groups: V3 

      V3 V4 count 
1 130000034371 A 179 
2 130000014127 D 122 
3 130000018500 A 112 
4 130000028544 A 112 
5 130000034057 E 108 
6 130000061048 D 103 
7 130000061048 A 100 
8 130000042055 A 99 
9 130000001997 D 98 
10 130000042055 B 94 

...

> data %>% 
+ as.data.frame %>% 
+ group_by("V3", "V4") %>% 
+ summarise(count=n_distinct("V1")) %>% 
+ arrange(., desc(count)) %>% 
+ print 
Source: local data frame [293 x 3] 
Groups: V3 

      V3 V4 count 
1 130000035777 B 129 
2 130000064171 C 118 
3 130000001997 D 110 
4 130000034057 E 109 
5 130000012718 G 95 
6 130000017725 B 92 
7 130000047614 B 89 
8 130000005741 C 86 
9 130000034037 C 78 
10 130000028189 A 77 

...

> data %>% 
+ as.data.frame %>% 
+ group_by("V3", "V4") %>% 
+ summarise(count=n_distinct("V1")) %>% 
+ arrange(., desc(count)) %>% 
+ print 
Source: local data frame [293 x 3] 
Groups: V3 

      V3 V4 count 
1 130000034371 A 162 
2 130000036173 A 134 
3 130000060230 E 114 
4 130000060230 B 105 
5 130000061592 C 99 
6 130000001997 D 98 
7 130000057531 B 95 
8 130000028447 F 85 
9 130000064171 C 85 
10 130000057531 A 83 
..   ... .. ... 

Answer 1

好，你可以有，当你键入

summarise(mtcars, n_distinct("mpg")) 

迭代类似的奇怪的行为运行的返回值在16和24之间。

但这不符合dplyr文档中的示例。这些函数的参数应该是向量，而不是字符串。

正确的变种

summarise(mtcars, n_distinct(mpg)) 

总是返回正确的值 “25”。

所以，尽量

data %>% 
+ as.data.frame %>% 
+ group_by(V3, V4) %>% 
+ summarise(count=n_distinct(V1)) %>% 
+ arrange(., desc(count)) %>% 
+ print 

与您的数据 - 这可能会返回正确的价值观？

但无论如何，当使用字符时，dplyr的警告会很好。