在 dplyr 中按多列分组，使用字符串向量输入

如果你将对象传递给它（好吧，你不是，但是......），而不是作为字符向量，它就会起作用：

df %.%
    group_by(asdfgfTgdsx, asdfk30v0ja) %.%
    summarise(Value = mean(value))

> df %.%
+   group_by(asdfgfTgdsx, asdfk30v0ja) %.%
+   summarise(Value = mean(value))
Source: local data frame [9 x 3]
Groups: asdfgfTgdsx

  asdfgfTgdsx asdfk30v0ja        Value
1           A           C  0.046538002
2           C           B -0.286359899
3           B           A -0.305159419
4           C           A -0.004741504
5           B           B  0.520126476
6           C           C  0.086805492
7           B           C -0.052613078
8           A           A  0.368410146
9           A           B  0.088462212

你的.dfdata

?group_by说：

 ...: variables to group by. All tbls accept variable names, some
      will also accept functons of variables. Duplicated groups
      will be silently dropped.

我的解释不是指名称的字符版本，而是您将如何在 ; 这里没有引用。或者如何在公式中引用变量：.foo$barbarfoo ~ bar

@Arun还提到你可以做：

df %.%
    group_by("asdfgfTgdsx", "asdfk30v0ja") %.%
    summarise(Value = mean(value))

但是，您不能传入未计算的内容，这些内容不是数据对象中变量的名称。

我认为这是由于 Hadley 用来查找您通过参数传递的内容的内部方法。...

dplyr 中对此的支持目前非常薄弱，最终我认为语法将是这样的：

df %.% group_by(.groups = c("asdfgfTgdsx", "asdfk30v0ja"))

但这可能不会在一段时间内出现（因为我需要考虑所有后果）。

同时，您可以使用 ，它需要符号列表：regroup()

library(dplyr)

df <-  data.frame(
  asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
  a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

df %.%
  regroup(list(quote(asihckhdoydk), quote(a30mvxigxkgh))) %.%
  summarise(n = n())

如果您有列名的字符向量，则可以使用 和 将它们转换为正确的结构：lapply()as.symbol()

vars <- setdiff(names(df), "value")
vars2 <- lapply(vars, as.symbol)

df %.% regroup(vars2) %.% summarise(n = n())

在 dplyr 完全支持字符串参数之前，也许这个要点很有用：

https://gist.github.com/skranz/9681509

它包含一堆使用字符串参数的包装函数，如 s_group_by、s_mutate、s_filter 等。您可以将它们与普通的 dplyr 函数混合使用。例如

cols = c("cyl","gear")
mtcars %.%
  s_group_by(cols) %.%  
  s_summarise("avdisp=mean(disp), max(disp)") %.%
  arrange(avdisp)

data = data.frame(
  my.a = sample(LETTERS[1:3], 100, replace=TRUE),
  my.b = sample(LETTERS[1:3], 100, replace=TRUE),
  value = rnorm(100)
)

group_by(data,newcol=paste(my.a,my.b,sep="_")) %>% summarise(Value=mean(value))

现在，通过函数的变体支持列的字符串规范，其名称以下划线结尾。例如，与该函数相对应的是，有一个可以接受字符串参数的函数。这个小插曲详细描述了这些函数的语法。dplyrdplyrgroup_bygroup_by_

以下代码片段干净利落地解决了@sharoz最初提出的问题（请注意，需要写出参数）：.dots

# Given data and columns from the OP

data %>%
    group_by_(.dots = columns) %>%
    summarise(Value = mean(value))

（请注意，dplyr 现在使用运算符，并且已弃用）。%>%%.%

为了完整地编写代码，以下是 Hadley 使用新语法的答案的更新：

library(dplyr)

df <-  data.frame(
    asihckhdoydk = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkgh = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# Columns you want to group by
grp_cols <- names(df)[-3]

# Convert character vector to list of symbols
dots <- lapply(grp_cols, as.symbol)

# Perform frequency counts
df %>%
    group_by_(.dots=dots) %>%
    summarise(n = n())

输出：

Source: local data frame [9 x 3]
Groups: asihckhdoydk

  asihckhdoydk a30mvxigxkgh  n
1            A            A 10
2            A            B 10
3            A            C 13
4            B            A 14
5            B            B 10
6            B            C 12
7            C            A  9
8            C            B 12
9            C            C 10

我想明确说明的是，这里的答案中缺少一个（微小的）情况，即当要分组的变量在管道中游动态生成时：

library(wakefield)
df_foo = r_series(rnorm, 10, 1000)
df_foo %>% 
  # 1. create quantized versions of base variables
  mutate_each(
    funs(Quantized = . > 0)
  ) %>% 
  # 2. group_by the indicator variables
  group_by_(
    .dots = grep("Quantized", names(.), value = TRUE)
    ) %>% 
  # 3. summarize the base variables
  summarize_each(
    funs(sum(., na.rm = TRUE)), contains("X_")
  )

这基本上显示了如何结合使用来实现这一点。grepgroup_by_(.dots = ...)

自从这个问题发布以来，dplyr 添加了 （文档在这里）。这使您可以使用与 相同的函数，如下所示：group_byselect

data = data.frame(
    asihckhdoydkhxiydfgfTgdsx = sample(LETTERS[1:3], 100, replace=TRUE),
    a30mvxigxkghc5cdsvxvyv0ja = sample(LETTERS[1:3], 100, replace=TRUE),
    value = rnorm(100)
)

# get the columns we want to average within
columns = names(data)[-3]

library(dplyr)
df1 <- data %>%
  group_by_at(vars(one_of(columns))) %>%
  summarize(Value = mean(value))

#compare plyr for reference
df2 <- plyr::ddply(data, columns, plyr::summarize, value=mean(value))
table(df1 == df2, useNA = 'ifany')
## TRUE 
##  27 

示例问题的输出符合预期（请参阅上面与 plyr 的比较和下面的输出）：

# A tibble: 9 x 3
# Groups:   asihckhdoydkhxiydfgfTgdsx [?]
  asihckhdoydkhxiydfgfTgdsx a30mvxigxkghc5cdsvxvyv0ja       Value
                     <fctr>                    <fctr>       <dbl>
1                         A                         A  0.04095002
2                         A                         B  0.24943935
3                         A                         C -0.25783892
4                         B                         A  0.15161805
5                         B                         B  0.27189974
6                         B                         C  0.20858897
7                         C                         A  0.19502221
8                         C                         B  0.56837548
9                         C                         C -0.22682998

请注意，由于一次只剥离一层分组，因此在生成的杂乱无章中仍然会进行一些分组（这有时会在以后让人们感到惊讶）。如果希望绝对避免意外的分组行为，则始终可以在汇总后添加到管道中。dplyr::summarize%>% ungroup

使用参数作为函数的字符向量输入的一般示例：.dotsdplyr::group_by

iris %>% 
    group_by(.dots ="Species") %>% 
    summarise(meanpetallength = mean(Petal.Length))

或者没有分组变量的硬编码名称（如 OP 所要求）：

iris %>% 
    group_by(.dots = names(iris)[5]) %>% 
    summarise_at("Petal.Length", mean)

以 OP 为例：

data %>% 
    group_by(.dots =names(data)[-3]) %>% 
    summarise_at("value", mean)

另请参阅关于编程的 dplyr 小插曲，其中解释了代词、准引号、quosure 和 tidyeval。

从 dplyr 1.0.0 使用 across（） 进行更新

上面的所有答案仍然有效，带有 .dots 参数的解决方案很有说服力。

但是，如果您寻找一种更容易记住的解决方案，那么新的解决方案就会派上用场。它由 Hadley Wickham 于 2020-04-03 发布，可用于和替换作用域变体，如 或 。最重要的是，它非常优雅地用引用/取消引用（例如）取代了繁琐的非标准评估 （NSE）。across()mutate()summarise()_at_all!!! rlang::syms()

因此，解决方案看起来非常可读：across

data %>%
  group_by(across(all_of(columns))) %>%
  summarize(Value = mean(value))