处理职业暴露数据时dplyr的summarise警告，是否需换用reframe？

问题背景 #

用户需计算大型职业暴露数据库中，每个研究对象对每种暴露因素的暴露时长，要求重叠年份仅统计一次。使用的数据集datatest结构如下：

structure(list(ID = c(2, 2, 2, 2, 7, 7, 15, 18, 18, 18, 18, 18, 20, 20, 20), JOB = c(1, 2, 7, 8, 1, 1, 1, 1, 2, 4, 2, 3, 3, 4, 6), AGENT = c("A", "A", "B", "B", "B", "A", "A", "D", "D", "D", "A", "A", "C", "C", "C"), YEARIN = c(1998, 1996, 1979, 1978, 1973, 1973, 1979, 1976, 1980, 1970, 1978, 1984, 1988, 1996, 2000), YEAROUT = c(2009, 2000, 1985, 1982, 2006, 2006, 2007, 1985, 2008, 2005, 1979, 1995, 1993, 2002, 2008)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, -15L))

用户使用以下代码计算暴露时长：

datatest %>%    
  group_by(ID, JOB, AGENT) %>%    
  summarise(year = seq(YEARIN, YEAROUT, by=1)) %>%    
  unnest(year) %>%    
  group_by(ID, AGENT) %>%    
  summarise(nyear = length(unique(year)))

运行后收到警告：

Warning message:
Returning more (or less) than 1 row per summarise() group was
deprecated in dplyr 1.1.0.
ℹ Please use reframe() instead.
ℹ When switching from summarise() to reframe(), remember that
reframe() always returns an ungrouped data frame and adjust
accordingly.
Call lifecycle::last_lifecycle_warnings() to see where this warning
was generated.

用户疑问：是否必须改用reframe()，还是仍可继续使用summarise()？

解答 #

• 不是必须立刻替换，但建议逐步迁移到reframe()
  • 该警告是dplyr 1.1.0版本开始的弃用提示：summarise()原本允许返回多行结果的用法被标记为过时，未来版本可能会彻底移除该支持。
  • 当前你的代码仍能正常运行，但后续dplyr更新后可能会直接报错。
• 修改方法：将第一个summarise()替换为reframe()即可，因为seq(YEARIN, YEAROUT, by=1)会生成多行结果，属于reframe()的典型适用场景：

  datatest %>%    
    group_by(ID, JOB, AGENT) %>%    
    reframe(year = seq(YEARIN, YEAROUT, by=1)) %>%  # 替换summarise为reframe
    unnest(year) %>%    
    group_by(ID, AGENT) %>%    
    summarise(nyear = length(unique(year)))
  

• 注意：reframe()返回的是未分组的数据框，但在这个流程中后续还有group_by()操作，因此不会影响最终计算结果。

内容的提问来源于stack exchange，提问作者R_help