总结行答案 - 爱码网

【问题标题】：Summarize Rows with总结行
【发布时间】：2021-09-15 14:44:30
【问题描述】：

我正在尝试从我们的商店订单工具中减少和简化数据集。我们的工具将每个订单行导出为具有重复值的新订单。比如当前的导出是这样的：

  ORDER PRODUCT STORE OPTIONAL PRICE
  <chr> <chr>   <chr> <chr>    <dbl>
1 ord1  p1      s1    Y            3
2 ord2  p2      s2    N            2
3 ord3  p3      s3    Y            3
4 ord3  p2      s3    N            5
5 ord3  p2      s3    Y            6
6 ord4  p3      s2    Y            1

示例代码如下：

data <- tibble("ORDER"=c("ord1","ord2","ord3","ord3","ord3","ord4"),"PRODUCT"=c("p1","p2","p3","p2","p2","p3"),STORE=c("s1","s2","s3","s3","s3","s2"),"OPTIONAL"=c("Y","N","Y","N","Y","Y"),"PRICE"=c(3,2,3,5,6,1))

我的目标是创建一个数据集：

每个订单中为特定产品支付的总金额（我们有 220 种不同的产品）
如果客户要求或不要求一个可选的

我已经设法通过以下方式旋转表格：

    > data_wide <- data %>% 
+     pivot_wider(names_from = PRODUCT, values_from = PRICE, values_fill = NA ,
+                 values_fn = list(PRICE = sum))

现在我有了这个小标题：

  ORDER STORE OPTIONAL    p1    p2    p3
  <chr> <chr> <chr>    <dbl> <dbl> <dbl>
1 ord1  s1    Y            3    NA    NA
2 ord2  s2    N           NA     2    NA
3 ord3  s3    Y           NA     6     3
4 ord3  s3    N           NA     5    NA
5 ord4  s2    Y           NA    NA     1

我想创建一个类似的表：

  ORDER STORE OPTIONAL    p1    p2    p3
  <chr> <chr> <chr>    <dbl> <dbl> <dbl>
1 ord1  s1    Y            3    NA    NA
2 ord2  s2    N           NA     2    NA
3 ord3  s3    Y           NA    11     3
4 ord4  s2    Y           NA    NA    NA

对于每种产品，我在哪里获得了支付的总价，并且我知道客户是否要求提供可选产品（我不关心哪种产品）。我不知道该如何面对：

我不会丢失有关单次购买的信息（例如商店）
我需要一个唯一的 ORDER id，因为我将加入客户信息数据集

谢谢！

【问题讨论】：

标签： r dplyr tidyr

【解决方案1】：

解决方案选项

library(tidyverse)
data <-
  tibble(
    "ORDER" = c("ord1", "ord2", "ord3", "ord3", "ord3", "ord4"),
    "PRODUCT" = c("p1", "p2", "p3", "p2", "p2", "p3"),
    STORE = c("s1", "s2", "s3", "s3", "s3", "s2"),
    "OPTIONAL" = c("Y", "N", "Y", "N", "Y", "Y"),
    "PRICE" = c(3, 2, 3, 5, 6, 1)
  )

data %>%
  pivot_wider(
    names_from = PRODUCT,
    values_from = c(PRICE),
    values_fill = NA ,
    values_fn = list(PRICE = sum)
  ) %>% 
  group_by(ORDER, STORE) %>% 
  summarise(
    OPTIONAL = if_else(sum(OPTIONAL == "Y") > 0, "Y", "N"),
    across(starts_with("p"), ~sum(.x)), .groups = "drop"
    )
#> # A tibble: 4 x 6
#>   ORDER STORE OPTIONAL    p1    p2    p3
#>   <chr> <chr> <chr>    <dbl> <dbl> <dbl>
#> 1 ord1  s1    Y            3    NA    NA
#> 2 ord2  s2    N           NA     2    NA
#> 3 ord3  s3    Y           NA    11    NA
#> 4 ord4  s2    Y           NA    NA     1

^{由reprex package (v2.0.0) 于 2021-07-04 创建}

【讨论】：

【解决方案2】：

您可以使用dplyr 和tidyr：

library(dplyr)
library(tiydr)

data %>% 
  pivot_wider(names_from="PRODUCT", values_from="PRICE", values_fill=0) %>% 
  mutate(OPTIONAL = OPTIONAL == "Y") %>% 
  group_by(ORDER, STORE) %>% 
  summarise(across(c("OPTIONAL", matches("p\\d+")), ~ sum(.x)), .groups="drop") %>% 
  mutate(OPTIONAL = ifelse(OPTIONAL > 0, "Y", "N"),
         across(matches("p\\d+"), ~na_if(.x,0)))

# A tibble: 4 x 6
  ORDER STORE OPTIONAL    p1    p2    p3
  <chr> <chr> <chr>    <dbl> <dbl> <dbl>
1 ord1  s1    Y            3    NA    NA
2 ord2  s2    N           NA     2    NA
3 ord3  s3    Y           NA    11     3
4 ord4  s2    Y           NA    NA     1

【讨论】：