在 R 中编写自动报告的功能

Question

所以我正在尝试使用 R 函数编写一个自动报告。我试图回答的问题之一是“在本月的第一周，查看次数最多的 10 个产品是什么？在表格中显示结果，其中包含产品的标识符、类别和查看次数。” .为此，我编写了以下函数

    most_viewed_products_per_week <- function (month,first_seven_days, views){
      month <- views....February.2020.2
    
      first_seven_days <- function( month, date_1, date_2){
        date_1 <-2020-02-01
        date_2 <- 2020-02-07
          return (first_seven_days)}
    
      views <-function(views, desc){
        return (views.head(10))}
        }
    print(most_viewed_products_per_week)

但是我得到的输出是这样的：

function (month,first_seven_days, views){
  month <- views....February.2020.2

  first_seven_days <- function( month, date_1, date_2){
    date_1 <-2020-02-01
    date_2 <- 2020-02-07
      return (first_seven_days)}

  views <-function(views, desc){
    return (views.head(10))}

我该如何解决这个问题？ 这份报告有更多这样的问题，所以我试图从一开始就让我的函数编写尽可能正确。

提前致谢， 江户

Answer 1

在函数中编写代码是一种很好的做法。我仍然建议你让你的代码做你想做的事，然后考虑你想把哪些部分包装在一个函数中（以供将来重用）。这是为了让你继续前进。

一般来说：为了支持您的分析，请确保您的数据属于正确的类别。 IE。日期被格式化为日期，数字为双精度或整数等。这将使您可以访问许多帮助函数和包。

对于手头的案例，请阅读 {tidyverse}，尤其是 {dplyr}，它可以帮助您编写代码 pipes。

模拟数据

如前所述 - 如果您提供可重现的示例，您会在 Stackoverflow 上找到很多朋友。
您的问题表明您的数据看起来有点像以下模拟数据。
酌情调整（或提供示例）

library(tibble)    # tibble are modern data frames
library(dplyr)     # for crunching tibbles/data frames
library(lubridate) # tidyverse package for date (and time) handling

df <- tribble(     # create row-tibble
    ~date, ~identifier, ~category, ~views
    ,"2020-02-01", 1, "TV", 27
    ,"2020-02-02", 2, "PC", 40
    ,"2020-02-03", 1, "TV", 12
    ,"2020-02-03", 2, "PC", 2
    ,"2020-02-08", 3, "UV", 200
  ) %>% 
  mutate(date = ymd(date))    # date is read in a character - lubridate::ymd() for date

这会产生

> df
# A tibble: 5 x 4
  date       identifier category views
  <date>          <dbl> <chr>    <dbl>
1 2020-02-01          1 TV          27
2 2020-02-02          2 PC          40
3 2020-02-03          1 TV          12
4 2020-02-03          2 PC           2
5 2020-02-08          3 UV         200

注意：日期列是日期格式。

运用你的算法

根据您的尝试，您希望提取前 7 天。
由于我们有一个“日期”列，我们可以在这里使用一个日期函数来帮助我们。 {lubridate} 的 day() 提取“天数”。

> df %>% filter(day(date) <= 7) 
# A tibble: 4 x 4
  date       identifier category views
  <date>          <dbl> <chr>    <dbl>
1 2020-02-01          1 TV          27
2 2020-02-02          2 PC          40
3 2020-02-03          1 TV          12
4 2020-02-03          2 PC           2

前 7 天以外的所有内容均已消失。

接下来您想summarise 获取您的产品浏览总数。

df %>% 
## ---------- c.f. above ------------
  filter(day(date) <= 7) %>% 
## ---------- summarise in bins that you need := groups -------
  group_by(identifier, category) %>% 
  summarise(total_views = sum(views)
            , .groups = "drop" )      # if grouping is not needed "drop" it

这给了你：

# A tibble: 2 x 3
  identifier category total_views
       <dbl> <chr>          <dbl>
1          1 TV                39
2          2 PC                42

现在选择top-10 并排序：

df %>% 
## ---------- c.f. above ------------
  filter(day(date) <= 7) %>% 
  group_by(identifier, category) %>% 
  summarise(total_views = sum(views), .groups = "drop" ) %>% 
## ---------- make use of another helper function of dplyr
  top_n(n = 10, total_views) %>%    # note top-10 makes here no "real" sense :), try top_n(1, total_views) 
  arrange(desc(total_views))      # arrange in descending order on total_views

换行

现在工作流程已经到位，请考虑将您的代码分解成您认为有用的块。

我把这个留给你。您可以将中间结果分配给新的数据帧，并将数据的准备工作包装到一个函数中，然后将 top_n() %>% arrange() 包装到另一个函数中，...

这会产生：

# A tibble: 2 x 3
  identifier category total_views
       <dbl> <chr>          <dbl>
1          2 PC                42
2          1 TV                39