Как интерпретировать сообщение dplyr `summarize ()`, перегруппировывающее вывод по 'x' (переопределить с помощью аргумента `.groups`)?

Это просто дружеское предупреждение. По умолчанию, если есть какая-либо группировка перед summarise, она удаляет одну групповую переменную, то есть последнюю, указанную в group_by. Если есть только одна группирующая переменная, после summarise не будет никакого атрибута группировки, а если их больше одного, то есть здесь два, то атрибут для группировки уменьшается до 1, то есть данные будут иметь год 'как атрибут группировки. В качестве воспроизводимого примера

library(dplyr)
mtcars %>%
     group_by(am) %>% 
     summarise(mpg = sum(mpg))
#`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 2 x 2
#     am   mpg
#* <dbl> <dbl>
#1     0  326.
#2     1  317.

Сообщение состоит в том, что это ungrouping, т.е. когда есть один group_by, он удаляет эту группировку после summarise

mtcars %>% 
   group_by(am, vs) %>% 
   summarise(mpg = sum(mpg))
#`summarise()` regrouping output by 'am' (override with `.groups` argument)
# A tibble: 4 x 3
# Groups:   am [2]
#     am    vs   mpg
#  <dbl> <dbl> <dbl>
#1     0     0  181.
#2     0     1  145.
#3     1     0  118.
#4     1     1  199.

Здесь он отбрасывает последнюю группировку и перегруппировывается с «я».

Если мы проверим ?summarise, есть .groups аргумент, который по умолчанию равен "drop_last", а другие параметры - "drop", "keep", "rowwise"

.groups - Группирующая структура результата.

drop_last: отбрасывание последнего уровня группировки. Это была единственная поддерживаемая опция до версии 1.0.0.

drop: отбрасываются все уровни группировки.

keep: та же структура группировки, что и .data.

rowwise: каждая строка - это отдельная группа.

Если .groups не указан, вы либо получаете drop_last, если все результаты имеют размер 1, либо сохраняете, если размер меняется. Кроме того, сообщение проинформирует вас об этом выборе, если для параметра dplyr.summarise.inform не задано значение FALSE.

т.е. если мы изменим .groups в summarise, мы не получим сообщение, потому что атрибуты группы удалены

mtcars %>% 
    group_by(am) %>%
    summarise(mpg = sum(mpg), .groups = 'drop')
# A tibble: 2 x 2
#     am   mpg
#* <dbl> <dbl>
#1     0  326.
#2     1  317.


mtcars %>%
   group_by(am, vs) %>%
   summarise(mpg = sum(mpg), .groups = 'drop')
# A tibble: 4 x 3
#     am    vs   mpg
#* <dbl> <dbl> <dbl>
#1     0     0  181.
#2     0     1  145.
#3     1     0  118.
#4     1     1  199.


mtcars %>% 
   group_by(am, vs) %>% 
   summarise(mpg = sum(mpg), .groups = 'drop') %>%
   str
#tibble [4 × 3] (S3: tbl_df/tbl/data.frame)
# $ am : num [1:4] 0 0 1 1
# $ vs : num [1:4] 0 1 0 1
# $ mpg: num [1:4] 181 145 118 199

Раньше это предупреждение не выдавалось, и это могло привести к ситуациям, когда OP выполняет mutate или что-то еще, предполагая, что группировка отсутствует, и приводит к неожиданному выводу. Теперь предупреждение дает пользователю указание на то, что мы должны быть осторожны, поскольку есть атрибут группировки.

ПРИМЕЧАНИЕ. .groups сейчас experimental в своем жизненном цикле. Таким образом, поведение может быть изменено в будущих выпусках.

В зависимости от того, нужно ли нам какое-либо преобразование данных на основе одной и той же группирующей переменной (или нет), мы могли бы выбрать различные параметры в .groups.

Ответ объясняется в? Summarize: Когда .groups не указан, он выбирается на основе количества строк результатов: Если все результаты имеют 1 строку, вы получаете drop_last. Если количество строк меняется, вы получаете ..

Обычно вы получаете такое сообщение, когда в качестве аргумента .groups = используется более одной опции. В сообщении содержится предупреждение о том, что при вычислении статистики в соответствии с указанным выше условием использовалась одна опция: drop_last или keep для результатов с 1 или более строками соответственно. Предположим, что в вашем конвейере по какой-то причине вы применили два или более критерия группировки, но вам все равно нужно суммировать данные по всем значениям, независимо от группировки, это можно сделать, установив .group = 'drop'. К сожалению, это только теоретически, потому что, как вы можете видеть в примере @ akrun, статистические значения остаются неизменными, независимо от того, какой параметр был установлен в .group = (я применил эти разные параметры к одному из своих наборов данных и получил те же результаты и та же структура фрейма данных ('структура группировки контролируется .group = аргумент ...'). Однако при указании аргумента .group сообщение не печатается.

Суть в том, что при использовании суммирования, если не используются критерии группировки, выходная статистика рассчитывается по всем строкам, и поэтому «результаты имеют 1 строку». Когда используется один или несколько критериев группирования, выходная статистика вычисляется внутри каждой группы, и поэтому «количество строк варьируется» в зависимости от количества групп во фрейме данных.