dplyr：group_by 和 group_by_ 函数有什么区别

使用dplyr进行数据处理：group_by和group_by_函数的区别

在R语言中，dplyr包是一个非常强大的数据处理工具，它提供了一系列简洁、高效的函数，可以帮助我们对数据进行快速整理、转换和分析。其中，group_by和group_by_是两个常用的函数，用于对数据进行分组操作。虽然它们的功能相似，但在使用方式上存在一些区别。

group_by函数的使用

group_by函数是dplyr包中的一个基础函数，它接受一个或多个变量作为参数，并根据这些变量对数据进行分组。具体来说，它会按照指定的变量进行分组，并将数据划分为多个子数据集，每个子数据集包含相同的分组变量值。在分组后，我们可以使用其他dplyr函数对每个子数据集进行进一步的操作，例如计算统计量、筛选数据等。

下面是一个简单的例子，演示了如何使用group_by函数对数据进行分组：

R
library(dplyr)
# 创建一个包含学生姓名、科目和成绩的数据框
data <- data.frame(</p>  name = c("Alice", "Bob", "Alice", "Bob", "Alice", "Bob"),
  subject = c("Math", "Math", "English", "English", "Science", "Science"),
  score = c(80, 90, 85, 95, 70, 80)
)
# 对数据按照姓名进行分组
grouped_data <- group_by(data, name)</p># 查看每个分组的平均成绩
summary_data <- summarise(grouped_data, mean_score = mean(score))</p>print(summary_data)

在上面的例子中，我们首先创建了一个包含学生姓名、科目和成绩的数据框。然后，我们使用group_by函数按照姓名对数据进行分组，得到了一个grouped_data对象。最后，我们使用summarise函数计算了每个分组的平均成绩，并将结果存储在summary_data对象中。

group_by_函数的使用

相比于group_by函数，group_by_函数在使用上更加灵活。它接受一个字符串向量作为参数，可以动态指定要分组的变量。这样，我们就可以根据需要在代码中动态生成分组变量，实现更灵活的数据处理操作。

下面是一个示例代码，演示了如何使用group_by_函数对数据进行分组：

R
library(dplyr)
# 创建一个包含学生姓名、科目和成绩的数据框
data <- data.frame(</p>  name = c("Alice", "Bob", "Alice", "Bob", "Alice", "Bob"),
  subject = c("Math", "Math", "English", "English", "Science", "Science"),
  score = c(80, 90, 85, 95, 70, 80)
)
# 动态生成分组变量
group_vars <- c("name")</p># 对数据按照动态生成的分组变量进行分组
grouped_data <- group_by_(data, .dots = group_vars)</p># 查看每个分组的平均成绩
summary_data <- summarise(grouped_data, mean_score = mean(score))</p>print(summary_data)

在上面的例子中，我们首先创建了一个包含学生姓名、科目和成绩的数据框。然后，我们通过定义一个字符串向量group_vars，动态生成了要分组的变量。接着，我们使用group_by_函数根据动态生成的分组变量对数据进行分组，得到了一个grouped_data对象。最后，我们使用summarise函数计算了每个分组的平均成绩，并将结果存储在summary_data对象中。

在使用dplyr包进行数据处理时，group_by和group_by_函数是两个常用的函数，用于对数据进行分组操作。group_by函数接受具体的变量作为参数，用于指定分组的变量；而group_by_函数接受一个字符串向量作为参数，可以动态生成分组变量。通过使用这两个函数，我们可以灵活地对数据进行分组，并进行进一步的数据处理和分析。

参考文献：

1. Wickham, H., Fran?ois, R., Henry, L., & Müller, K. (2021). dplyr: A Grammar of Data Manipulation. R package version 1.0.7. https://CRAN.R-project.org/package=dplyr