使用R在汇总功能中使用mutate

问题描述

我有一个如下所示的数据框

identifier date       from       to         type  shift_back_max shift_forward_max
   <chr>      <date>     <date>     <date>     <chr>          <dbl>             <dbl>
   11         2011-12-31 2011-01-01 2011-12-31 last             364                 0
   11         2009-07-11 2009-01-01 2009-12-31 last             191               173
   11         NA         NA         NA         last              NA                NA
   11         2013-05-21 2013-01-01 2013-12-31 last             140               224
   11         2017-06-06 2017-01-01 2017-12-31 last             156               208
   12         2014-04-03 2014-01-01 2014-12-31 NA                92               272
   12         2016-08-04 2016-01-01 2016-12-31 NA               216               149
   12         2014-03-05 2014-01-01 2014-12-31 NA                63               301
   13         2011-02-07 2011-01-01 2011-12-31 NA                37               327
   14         2014-04-04 2014-01-01 2014-12-31 first             93               271
   14         2011-01-01 2011-01-01 2011-12-31 first              0               364
   14         2016-06-21 2016-01-01 2016-12-31 first            172               193
   16         NA         NA         NA         NA                NA                NA
   17         NA         NA         NA         NA                NA                NA
   18         NA         NA         NA         NA                NA                NA
   19         NA         NA         NA         NA                NA                NA

我正在尝试以下情况

场景-1（跨stmt使用mutate）

data %>%
   group_by(identifier) %>%
   summarize(shift_back_max = - min(shift_back_max,na.rm = TRUE),shift_forward_max = min(shift_forward_max,mutate(across(starts_with("shift"),~ ifelse(is.infinite(.x),30 * sign(.x),.x))))

方案-2（不跨stmt使用mutate）

data %>%
   group_by(identifier) %>%
   summarize(shift_back_max = - min(shift_back_max,across(starts_with("shift"),.x)))

两种情况下产生的输出都相同，如下所示。那么跨stmt的mutate stmt有什么用？您能否让我知道这是不好的编程习惯，还是在任何特定情况下都会产生错误的输出？我使用across stmt将-Inf替换为-30，将Inf替换为30。我已经对数百万条记录的数据采用了方案2，并进行了此操作。我可能不得不重新运行，因为它可能输出错误或只是一种不好的编程习惯？

这两种情况中哪一种是正确的？这是否意味着其他情况可能会产生不正确的输出？能帮我吗？

解决方法

我发现mutate内部摘要的使用非常令人困惑，并且并不真正知道该期待什么（老实说，它甚至可以工作）。如果我理解正确，则最好将您要执行的操作表示为（场景-3 ）：

data %>%
   group_by(identifier) %>%
   summarize(shift_back_max = - min(shift_back_max,na.rm = TRUE),shift_forward_max = min(shift_forward_max,na.rm = TRUE)) %>%
   ungroup() %>%
   mutate(across(starts_with("shift"),~ ifelse(is.infinite(.x),30 * sign(.x),.x))))

（意味着您首先按标识符进行汇总，然后对整个结果进行处理）

您可以使用all.equal()比较不同方法的结果。我希望所有这些方法都能得出相同的结果，但对读者来说并不清楚。