tidyverse中mutate分组计算minAB0结果不符预期的问题

问题描述 #

我尝试用mutate()按Sample分组，计算每行的minAB0列，代码如下：

data <- data %>%
  group_by(Sample) %>%
  mutate(minAB0 = min(XD_VD+SE, value))

但输出结果不符合预期。手动逐行计算的结果为：

min((data$XD_VD[1] + data$SE[1]), data$value[1]) = 29
min((data$XD_VD[2] + data$SE[2]), data$value[2]) = 36.71198

而用tidyverse分组计算后，Sample=1的所有minAB0值都是26，Sample=2的所有minAB0值都是32.98313，和手动计算结果不符。

所用数据：

data <- structure(list(Sample = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2), XD_VD = c(35.9419827146857, 
35.9419827146857, 35.9419827146857, 35.9419827146857, 35.9419827146857, 
35.9419827146857, 35.9419827146857, 35.9419827146857, 35.9419827146857, 
35.9419827146857, 35.9419827146857, 35.9419827146857, 35.9419827146857, 
35.9419827146857, 35.9419827146857, 35.9419827146857, 35.9419827146857, 
35.9419827146857, 35.9419827146857, 35.9419827146857, 35.9419827146857, 
32.1823275467508, 32.1823275467508, 32.1823275467508, 32.1823275467508, 
32.1823275467508, 32.1823275467508, 32.1823275467508, 32.1823275467508, 
32.1823275467508, 32.1823275467508), SE = c(0.77, 0.77, 0.77, 
0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 
0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.77, 0.8008, 0.8008, 0.8008, 
0.8008, 0.8008, 0.8008, 0.8008, 0.8008, 0.8008, 0.8008), value = c(29, 
49, 44, 50, 37, 40, 50, 56, 65, 93, 87, 49, 46, 57, 39, 44, 26, 
30, 45, 44, 98, 70, 59, 70, 77, 55, 50, 33, 58, 71, 68)), row.names = c(NA, 
-31L), class = c("tbl_df", "tbl", "data.frame"))

原因分析 #

你使用的min(XD_VD+SE, value)逻辑错误：在分组环境中，XD_VD+SE会生成当前分组的所有行计算结果的向量，value也是当前分组的所有行值的向量，min()函数会将这两个向量合并后取全局最小值，而非逐行比较两个位置的数值取最小。

• 对Sample=1，value列的最小值是26，因此整个分组的minAB0都被设为26；
• 对Sample=2，XD_VD+SE的计算值为32.1823275+0.8008=32.98313，这是该分组中这个计算值的最小值，因此整个分组的minAB0都被设为这个数。

解决方法 #

要实现逐行取两个值的最小值，需使用pmin()函数——它会对两个向量进行逐元素比较，返回每个位置的最小值。修改后的代码如下：

data <- data %>%
  group_by(Sample) %>%
  mutate(minAB0 = pmin(XD_VD + SE, value))

运行后即可得到与手动计算一致的结果，比如第一行minAB0为29，第二行为36.71198。

内容的提问来源于stack exchange，提问作者ksinva