在R中的同一列中获取计数和总和

Question

我在下面提到了 R 中的数据框。

ID       Date         Type         Value
K-1      2018-01-01   A            4
K-2      2018-01-01   B            7
K-3      2018-01-01   C            12
K-4      2018-01-02   A            6
K-5      2018-01-02   A            4
K-6      2018-01-02   B            15
K-7      2018-01-02   B            10

我想了解如何转换下面给定所需数据帧中的数据帧，其中A、B 和C 对于每个日期都应该是静态的，无论该特定类型在该日期是否可用.

另外，我想按日期统计ID组和Type，在<5的桶中（如果值在1-4之间），5-10（如果值在5到10之间) 和>10（如果值大于 10）。

sum 列应包含该特定日期和类型的总价值。

Count 列应包含按特定日期分组的ID 计数和Type。

存储桶<5、5-10 和>10 应始终存在于所需的输出中，无论该存储桶的值是否可用。

此外，如何通过括号() 中的存储桶获取特定ID 组的总和，用逗号分隔2 个十进制值。 括号中 sum 的字体应小于 count 的字体（即如果<5 bucket 的 count 字体为 12，则括号中 sum 的字体应为 10）。 此外，如果特定桶中的计数为 0，则不需要以 (0.00) 作为值的括号。

必需的 DF

Date           Count      <5      5-10       >10      sum
2018-01-01      3         1 (4)    1 (7)      1 (12)   23
A               1         1 (4)    0          0        4
B               1         0        1 (7)      0        7
C               1         0        0          1 (12)   12
2018-01-02      4         1 (4)    2 (16)     1 (15)   35
A               2         1 (4)    1 (6)      0        10
B               2         0        1 (10)     1 (15)   25
C               0         0        0          0        0

我正在使用的代码（来自 SO）：

library(tidyverse)

dat2 <- dat %>%
  mutate(Result = case_when(
    Value < 5                        ~"<5",
    Value >= 5 & Value <= 10         ~"5-10",
    Value > 10                       ~">10"
  )) %>%
  group_by(Date, Type, Result) %>%
  summarize(sum = sum(Value)) %>%
  mutate(Flag = 1L) %>%
  spread(Result, Flag, fill = 0L) %>%
  group_by(Date, Type) %>%
  summarize_all(list(~sum(.))) %>%
  ungroup() %>%
  complete(Date, Type)

dat2[is.na(dat2)] <- 0

dat3 <- dat2 %>% mutate(Count = rowSums(select(., -Date, -Type, -sum)))

dat4 <- dat3 %>%
  group_by(Date) %>%
  summarize_at(vars(-Type), list(~sum(.))) 

dat_final <- map2_dfr(split(dat4, f = dat4$Date),
                      split(dat3, f = dat3$Date),
                      ~bind_rows(.x %>% rename(Type = Date), 
                                 .y %>% select(-Date)))

dat_final2 <- dat_final %>%
  select(Date = Type, Count, `<5`, `5-10`, `>10`, sum)
dat_final2

Answer 1

tables 包非常适合简洁地描述此类输出。首先创建计算列中显示的统计信息的函数。然后使用指定的tabular 公式。 LHS 是行，RHS 是列。 + 表示连接 + 两边描述的变量。

sprintf 的输出可以通过例如更改格式字符串来改变。见?sprintf。

乳胶

此外，如果tab 是tabular 命令的输出，那么latex(tab) 将创建一个乳胶版本，您可以通过插入乳胶命令进一步改变它。例如"%d \\tiny{(%d)}" 作为sprintf 格式的字符串将使乳胶输出中的括号部分更小。

html

如果您想要html 输出，然后使用刚刚定义的tab，那么html(tab) 会创建一个html 版本，该版本可以通过适当的html 标签进一步变化。例如"%d <small>(%d)</small>" 作为sprintf 格式字符串将使html 输出中的括号部分更小。

输入

我们在末尾的注释中以可重复的形式提供输入 dat。下次请确保以可复制的形式提供输入。

代码

这主要再现了问题中显示的输出，并且比那里的代码更紧凑。

library(tables)

outstring <- function(x) if (length(x)) sprintf("%d (%d)", length(x), sum(x)) else 0
`<5` <- function(x) outstring(x[x < 5])
`5-10` <- function(x) outstring(x[x >= 5 & x <= 10])
`>10` <- function(x) outstring(x[x > 10])

tab <- 
  tabular(Date * (1 + Type) ~ (n=1) + Value * (`<5` + `5-10` + `>10` + sum), data = dat)

给予：

                       Value                  
 Date                n <5    5-10   >10    sum
 2018-01-01      All 3 1 (4) 1 (7)  1 (12) 23 
            Type A   1 1 (4) 0      0       4 
                 B   1 0     1 (7)  0       7 
                 C   1 0     0      1 (12) 12 
 2018-01-02      All 4 1 (4) 2 (16) 1 (15) 35 
            Type A   2 1 (4) 1 (6)  0      10 
                 B   2 0     1 (10) 1 (15) 25 
                 C   0 0     0      0       0 

注意

dat <- 
structure(list(ID = structure(1:7, .Label = c("K-1", "K-2", "K-3", 
"K-4", "K-5", "K-6", "K-7"), class = "factor"), Date = structure(c(1L, 
1L, 1L, 2L, 2L, 2L, 2L), .Label = c("2018-01-01", "2018-01-02"
), class = "factor"), Type = structure(c(1L, 2L, 3L, 1L, 1L, 
2L, 2L), .Label = c("A", "B", "C"), class = "factor"), Value = c(4L, 
7L, 12L, 6L, 4L, 15L, 10L)), class = "data.frame", row.names = c(NA, 
-7L))

更新

tabular 类有一个 as.matrix 方法，我们可以对其执行简单的操作以产生以下输出：

m <- as.matrix(tab)
m2 <- cbind(paste0(m[, 1], sub("All", "", m[, 3])), m[, -(1:3)])[-1, ]
setNames(as.data.frame(m2[-1, ]), m2[1, ])

给予：

        Date n    <5   5-10    >10 sum
1 2018-01-01 3 1 (4)  1 (7) 1 (12)  23
2          A 1 1 (4)      0      0   4
3          B 1     0  1 (7)      0   7
4          C 1     0      0 1 (12)  12
5 2018-01-02 4 1 (4) 2 (16) 1 (15)  35
6          A 2 1 (4)  1 (6)      0  10
7          B 2     0 1 (10) 1 (15)  25
8          C 0     0      0      0   0