如何使用dplyr将函数应用于所有非group_by列？
如何使用dplyr将函数应用于所有非group_by列？
我正在尝试使用dplyr包将一个函数应用于数据框中所有未被分组的列，这可以通过aggregate()函数实现：
aggregate(. ~ Species, data = iris, mean)
其中mean函数被应用于所有未用于分组的列。（是的，我知道可以使用aggregate函数，但我想要理解dplyr的用法。）
我可以使用summarize函数来实现：
species <- group_by(iris, Species)
summarize(species,
Sepal.Length = mean(Sepal.Length),
Sepal.Width = mean(Sepal.Width))
但是是否有一种方式可以让mean()函数应用于所有未分组的列，类似于aggregate()函数的. ~表示法？我有一个包含30列的数据框需要进行聚合，因此写出单独的语句并不理想。
在使用dplyr包时，如果想要将一个函数应用于所有非group_by列，可以使用以下方法进行操作。
在上述代码中，首先使用group_by函数对数据进行分组操作，指定分组的列为Species。然后使用do函数对每个分组中的数据进行处理。在这个例子中，使用了一个自定义函数，该函数的功能是计算每个分组中所有数值型列的均值。具体而言，使用了Filter函数对每个分组中的数据进行筛选，只保留数值型列。然后使用sapply函数对每个数值型列应用mean函数，计算列的均值。最后将计算结果转换为data.frame的形式。
然而，需要注意的是，上述代码中使用的do函数在dplyr的0.2版本中可能会发生变化，因此并不推荐使用该方法。
那么，在dplyr中是否有更加简洁的方式来实现这个功能呢？答案是肯定的。在data.table中，可以使用如下代码实现相同的功能：data.table(iris)[,lapply(.SD, mean),Species]。
因此，可以使用dplyr的summarise_all函数来代替上述的do函数，从而实现对所有非group_by列应用函数的操作。具体而言，可以使用以下代码进行操作：
h = iris %>% group_by(Species) %>% summarise_all(.funs = list(mean))
在上述代码中，使用summarise_all函数对每个分组中的数据进行处理。通过指定.funs参数为list(mean)，可以将mean函数应用于所有非group_by列。最后，使用group_by函数指定分组的列为Species。该代码的最终结果是得到一个包含每个分组中所有非group_by列的均值的数据框。
以上是使用dplyr包中的函数对所有非group_by列应用函数的方法。通过使用summarise_all函数，可以更加简洁地实现对数据的处理操作。
问题的出现原因：用户想要使用dplyr将一个函数应用到所有非group_by列上。
解决方法：可以尝试使用实验性的dplyr新功能summarise_each()，该功能在dplyr 0.2版本中可用。使用summarise_each()函数可以对每个非group_by列应用指定的函数，例如mean、min、max等。用户可以通过group_by()函数分组数据，然后使用summarise_each()函数对每个组应用函数。这样可以计算每个组中非group_by列的均值、最小值、最大值等。此外，还可以使用summarise_all()函数来替代summarise_each()函数进行相同的操作。需要注意的是，summarise_each()函数已被弃用。
以下是一些用户的反馈和注意事项。