R语言按多key分组求数值列average、分类列mode的实现问题

首先R基础环境没有内置众数计算函数，需要先自定义众数处理函数：

# 自定义众数函数，默认返回出现频次最高的第一个值，可按需调整多众数、NA处理逻辑
get_mode <- function(x) {
  uniq_x <- unique(na.omit(x))
  uniq_x[which.max(tabulate(match(x, uniq_x)))]
}

基于原有plyr逻辑的修改方案 #

调整ddply内的处理逻辑，同时计算数值列均值与分类列众数即可：

library(plyr)
groupColumns = c("SO","LI") # 注意与实际数据的列名大小写保持一致
# 提取排除分组key后的数值列、分类列
num_cols <- setdiff(colnames(Planning_DF)[sapply(Planning_DF, is.numeric)], groupColumns)
cat_cols <- setdiff(colnames(Planning_DF)[sapply(Planning_DF, function(col) is.factor(col) | is.character(col))], groupColumns)

res = ddply(Planning_DF, groupColumns, function(x) {
  # 数值列计算均值
  num_res <- as.list(colMeans(x[num_cols], na.rm = TRUE))
  # 分类列计算众数
  cat_res <- lapply(x[cat_cols], get_mode)
  # 合并两类结果返回
  c(num_res, cat_res)
})

head(res)

更简洁的dplyr实现方案 #

如果可以使用dplyr包，代码可读性和执行效率更高：

library(dplyr)

res <- Planning_DF %>%
  group_by(SO, LI) %>%
  summarise(
    # 非分组的数值列取均值
    across(where(is.numeric) & !c(SO, LI), mean, na.rm = TRUE),
    # 非分组的字符/因子类列取众数
    across(where(~is.character(.x) | is.factor(.x)) & !c(SO, LI), get_mode),
    .groups = "drop"
  )

head(res)

注意事项 #

• 若分组后某分类列存在多个相同频次的众数，上述自定义函数默认返回第一个出现的众数，若需要返回所有众数可调整get_mode的逻辑
• 分组列名的大小写必须和实际数据集完全匹配，避免出现列匹配失败的问题

内容的提问来源于stack exchange，提问作者user3789200