了解.groups的目的= dØr的摘要功能中的删除

以这个数据框架为例:

ddff <- expand.grid(
  Group1 = LETTERS[1:3],
  Group2 = letters[4:6],
  Group3 = c("foo", "bar"))
ddff$value <- runif(18)

正如@lotus '和@JonSpring的 comments (以及该函数的文档)中所述，默认情况下，summarise将删除last分组变量，因此当您这样做时

ddff %>%
group_by(Group1, Group2, Group3) %>%
summarise(mean = mean(value))

你得到

`summarise()` has grouped output by 'Group1', 'Group2'. You can override using the `.groups` argument.
# A tibble: 18 × 4
# Groups:   Group1, Group2 [9]
   Group1 Group2 Group3   mean
   <fct>  <fct>  <fct>   <dbl>
 1 A      d      foo    0.593
 2 A      d      bar    0.228
 3 A      e      foo    0.830
 4 A      e      bar    0.381
 5 A      f      foo    0.156

注意第三行上的# Groups: Group1, Group2 [9]. summarise功能中的result仍然由Group1和Group2分组. Group3已被删除作为分组变量，因为它是多余的:每Group1 xGroup2对只有一行，因此很可能您不想继续使用它进行分组.

这就是为什么要求summarise后的groups()只会返回前两个.

由于输出仍然是分组的，如果我们要求一些特定的slice，该函数将应用于每个组.如果我们要求slice(1):

ddff %>%
group_by(Group1, Group2, Group3) %>%
summarise(mean = mean(value)) %>%
slice(1) %>%
nrow()

我们得到9，即第一行of each group.

正如输出第一行上的消息所说，可以通过使用.groups参数来重写这种默认行为.它们非常不言自明:keep将保留所有组，drop将删除所有组:

ddff %>%
group_by(Group1, Group2, Group3) %>%
summarise(mean = mean(value), .groups = "keep") %>%
group_vars()

[1] "Group1" "Group2" "Group3"

ddff %>%
group_by(Group1, Group2, Group3) %>%
summarise(mean = mean(value), .groups = "drop") %>%
group_vars()

character(0)