Reduces multiple values down to a single value

Source: R/summarize.R

Mimics dplyr::summarize using base R and rlang

b_summarize(.data, ...)

# S3 method for default
b_summarize(.data, ...)

# S3 method for split_df
b_summarize(.data, ...)

Arguments

.data

data.frame
...

Name-value pairs of summary functions

Value

data.frame

See also

quotation

Examples

airquality%>%
  bplyr::b_group_by(Month)%>%
  bplyr::b_summarize(m = mean(Temp),m1 = max(Temp))
#>   Month        m m1
#> 1     5 65.54839 81
#> 2     6 79.10000 93
#> 3     7 83.90323 92
#> 4     8 83.96774 97
#> 5     9 76.90000 93

airquality%>%
  bplyr::b_group_by(Month,Day)%>%
  bplyr::b_summarize(m = mean(Temp),m1 = max(Temp))
#>     Month Day  m m1
#> 1       5   1 67 67
#> 2       5   2 78 78
#> 3       5   3 84 84
#> 4       5   4 81 81
#> 5       5   5 91 91
#> 6       5   6 72 72
#> 7       5   7 74 74
#> 8       5   8 85 85
#> 9       5   9 81 81
#> 10      5  10 92 92
#> 11      5  11 74 74
#> 12      5  12 67 67
#> 13      5  13 81 81
#> 14      5  14 82 82
#> 15      5  15 93 93
#> 16      5  16 62 62
#> 17      5  17 84 84
#> 18      5  18 84 84
#> 19      5  19 86 86
#> 20      5  20 93 93
#> 21      5  21 56 56
#> 22      5  22 85 85
#> 23      5  23 83 83
#> 24      5  24 85 85
#> 25      5  25 87 87
#> 26      5  26 66 66
#> 27      5  27 79 79
#> 28      5  28 83 83
#> 29      5  29 87 87
#> 30      5  30 84 84
#> 31      5  31 65 65
#> 32      6   1 82 82
#> 33      6   2 88 88
#> 34      6   3 89 89
#> 35      6   4 80 80
#> 36      6   5 59 59
#> 37      6   6 87 87
#> 38      6   7 92 92
#> 39      6   8 90 90
#> 40      6   9 78 78
#> 41      6  10 61 61
#> 42      6  11 90 90
#> 43      6  12 92 92
#> 44      6  13 90 90
#> 45      6  14 75 75
#> 46      6  15 69 69
#> 47      6  16 87 87
#> 48      6  17 89 89
#> 49      6  18 92 92
#> 50      6  19 73 73
#> 51      6  20 74 74
#> 52      6  21 93 93
#> 53      6  22 82 82
#> 54      6  23 86 86
#> 55      6  24 81 81
#> 56      6  25 69 69
#> 57      6  26 92 92
#> 58      6  27 73 73
#> 59      6  28 86 86
#> 60      6  29 76 76
#> 61      6  30 66 66
#> 62      7   1 82 82
#> 63      7   2 81 81
#> 64      7   3 82 82
#> 65      7   4 77 77
#> 66      7   5 68 68
#> 67      7   6 80 80
#> 68      7   7 91 91
#> 69      7   8 80 80
#> 70      7   9 71 71
#> 71      7  10 58 58
#> 72      7  11 79 79
#> 73      7  12 80 80
#> 74      7  13 79 79
#> 75      7  14 71 71
#> 76      7  15 64 64
#> 77      7  16 77 77
#> 78      7  17 81 81
#> 79      7  18 77 77
#> 80      7  19 78 78
#> 81      7  20 66 66
#> 82      7  21 72 72
#> 83      7  22 82 82
#> 84      7  23 79 79
#> 85      7  24 67 67
#> 86      7  25 57 57
#> 87      7  26 65 65
#> 88      7  27 84 84
#> 89      7  28 76 76
#> 90      7  29 76 76
#> 91      7  30 68 68
#> 92      7  31 73 73
#> 93      8   1 87 87
#> 94      8   2 78 78
#> 95      8   3 68 68
#> 96      8   4 62 62
#> 97      8   5 76 76
#> 98      8   6 85 85
#> 99      8   7 78 78
#> 100     8   8 82 82
#> 101     8   9 59 59
#> 102     8  10 77 77
#> 103     8  11 74 74
#> 104     8  12 77 77
#> 105     8  13 64 64
#> 106     8  14 73 73
#> 107     8  15 76 76
#> 108     8  16 81 81
#> 109     8  17 72 72
#> 110     8  18 71 71
#> 111     8  19 61 61
#> 112     8  20 76 76
#> 113     8  21 82 82
#> 114     8  22 75 75
#> 115     8  23 81 81
#> 116     8  24 61 61
#> 117     8  25 76 76
#> 118     8  26 86 86
#> 119     8  27 79 79
#> 120     8  28 69 69
#> 121     8  29 57 57
#> 122     8  30 75 75
#> 123     8  31 85 85
#> 124     9   1 81 81
#> 125     9   2 63 63
#> 126     9   3 58 58
#> 127     9   4 78 78
#> 128     9   5 82 82
#> 129     9   6 86 86
#> 130     9   7 70 70
#> 131     9   8 57 57
#> 132     9   9 73 73
#> 133     9  10 86 86
#> 134     9  11 88 88
#> 135     9  12 77 77
#> 136     9  13 67 67
#> 137     9  14 80 80
#> 138     9  15 88 88
#> 139     9  16 97 97
#> 140     9  17 75 75
#> 141     9  18 81 81
#> 142     9  19 77 77
#> 143     9  20 86 86
#> 144     9  21 94 94
#> 145     9  22 76 76
#> 146     9  23 79 79
#> 147     9  24 83 83
#> 148     9  25 83 83
#> 149     9  26 96 96
#> 150     9  27 68 68
#> 151     9  28 76 76
#> 152     9  29 81 81
#> 153     9  30 94 94

airquality%>%
  bplyr::b_mutate(Month = factor(Month))%>%
  bplyr::b_group_by(Month)%>%
  bplyr::b_summarize(m = mean(Temp),m1 = max(Temp))
#>   Month        m m1
#> 1     5 65.54839 81
#> 2     6 79.10000 93
#> 3     7 83.90323 92
#> 4     8 83.96774 97
#> 5     9 76.90000 93