barnett874

chuxinyuan 测试了下 %>% 和 |> 速度一样，都比 4.0.5 快 16% 的样子。

可以参考这个
https://stackoverflow.com/questions/53994497/how-to-select-last-n-observation-from-each-group-in-dplyr-dataframe

library(tidyverse)
library(lubridate)
#构造数据
data <- data.frame(
  stringsAsFactors = FALSE,
              date = c("2020-4-5","2020-4-6",
                       "2020-4-7","2020-4-8","2020-4-9","2020-4-10","2020-5-15",
                       "2020-5-16","2020-5-17","2020-5-18","2020-5-19",
                       "2020-5-20","2020-5-21"),
             value = c(1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 9L, 10L, 11L, 12L, 13L)
)

data %>% 
  mutate(date = date(date),  #转换成date型
         Month = month(date),  #添加提取月份
         Day = day(date)) %>%  #添加日期
  group_by(Month) %>% #数据按照月份分组
  do(tail(., 5)) %>%  #选取每个月的最后五行，这里默认日期已经排序
  summarise(mean = mean(value)) #求均值

结果如下

# A tibble: 2 x 2
  Month  mean
* <dbl> <dbl>
1     4     4
2     5    11

KANG1943 不好意思，本人老阅读障碍了

func_plot <- function(var_data, name) {
  # 作图参数设置
  plot_data <- ggplot() + 
    geom_point(aes(c(1:10), mydata[, name])) +
    labs(y = name)
  # 把图打出来，这里不用print
  plot_data
}
func_plot(mydata, "name_1")

# 函数2：以下函数能对数据的所有列作图
func_plot_df <- function(var_data) {
  # 建一个列表先存储要打印的图
  plot_ls <- vector("list")
  for (i in names(var_data)) {
    plot_ls[[i]] <- invisible(func_plot(var_data, i)) #使用invisible
  }
  # 然后把这些图安排在一个2 X 2的画布上
  ggarrange(plotlist = plot_ls, nrow = 2, ncol = 2)
}
func_plot_df(mydata)