根据数据框中两个不同列之间的匹配删除行答案

【问题标题】：Delete rows based on a match between two different columns in a data frame根据数据框中两个不同列之间的匹配删除行
【发布时间】：2020-12-02 12:00:00
【问题描述】：

我有一个数据框，其中包含来自多个渠道的每日渠道收入。数据框如下所示：

orders_dataframe:

    Order |Channel | Revenue |
    1     |TV      | 120     |
    2     |Email   | 30      |
    3     |Retail  | 300     |
    4     |Shop1   | 50      |
    5     |Shop2   | 90      |
    6     |Email   | 20      |
    7     |Retail  | 250     |

我想做的是根据预定义的比率（例如，60%/40% 的拆分）将来自零售的收入分成 Shop1 和 Shop2。例如，我希望所有收入来自“零售”的行都将 60% 归于 Shop1，将 40% 归于 Shop2。这可以通过用两个新行替换所有零售收入行来反映，如我想在下面得到的最终表中的 Order 3 和 Order 7 所示：

orders_dataframe:  

    Order |Channel | Revenue |
    1     |TV      | 120     |
    2     |Email   | 30      |
    3     |Shop1   | 180     |
    3     |Shop2   | 120     |
    4     |Shop1   | 50      |
    5     |Shop2   | 90      |
    6     |Email   | 20      |
    7     |Shop1   | 150     |
    7     |Shop2   | 100     |

理想情况下，由于我使用各种数据集执行此操作，我想从数据框 (split_dataframe) 中获取百分比，而不是手动分配数字 60% 和 40%。我想使用如下数据集中的数据：

split_dataframe:
    Channel |Percent  |
    Shop1   |60%      | 
    Shop2   |40%      |

这是两个数据框的可重现示例：

orders_dataframe <- data.frame(Order = c(1,2,3,4,5,6,7),
                              Channel = c("TV", "Email", "Retail", "Shop1", "Shop2", "Email", "Retail"), 
                              Revenue = c(120,30,300,50,90,20,250))

split_dataframe <- data.frame(Channel = c("Shop1", "Shop2"),
                              Percent = c(0.6, 0.4))

非常感谢！

【问题讨论】：

标签： r dataframe filter match aggregate

【解决方案1】：

您可以在基础 R 中执行此操作。

orders_dataframe <- data.frame(Order = c(1,2,3,4,5,6,7),
                               Channel = c("TV", "Email", "Retail", "Shop1", "Shop2", "Email", "Retail"), 
                               Revenue = c(120,30,300,50,90,20,250))

# Coerce the channel factor to a string.
# Do you really want this as a factor?
orders_dataframe$Channel <- as.character(orders_dataframe$Channel)

# Create a vector of the replacement values.
# The prob = c() argument lets you pick the
# probabilities of each replacement.
replacement <- sample(x = c("Store1","Store2"),
                      size = length(which(orders_dataframe$Channel == "Retail")),
                      replace = TRUE, prob = c(0.6, 0.4))

# Replace the Channel columnn with the replacement vector.
orders_dataframe$Channel[which(orders_dataframe$Channel == "Retail")] <- replacement

【讨论】：

【解决方案2】：

与dplyr，

split_dataframe  %>% 
mutate(Index="Retail") %>%
merge(.,orders_dataframe,by.x="Index",by.y="Channel") %>%
mutate(Revenue=Revenue*Percent) %>%
select(Order,Channel,Revenue) %>%
bind_rows(orders_dataframe %>% filter(Channel !="Retail"),.)%>%
arrange(.,Order)

给予，

  Order Channel Revenue
1     1      TV     120
2     2   Email      30
3     3   Shop1     180
4     3   Shop2     120
5     4   Shop1      50
6     5   Shop2      90
7     6   Email      20
8     7   Shop1     150
9     7   Shop2     100

【讨论】：

你好！非常感谢您的快速答复！在我的示例中，我只包含了 3 列。但是，我的真实数据集包含的不仅仅是这 3 列 - 最重要的是，其中一列是 order_date（处理订单的日期）。使用上述方法，不幸的是，该列中的信息丢失了。有没有办法在新拆分中保留 order_date？
你可以像select(order_date,Order,Channel,Revenue)一样在选择步骤添加它
再次感谢您的快速回复！这很有帮助！我将您的回复标记为答案，因为我真的很喜欢短代码！不确定我是否可以在这里问这个问题，或者我是否应该编辑我的问题并将其添加为后续问题，但还有一件事：如果我每天有不同的频道拆分，调整代码是否容易？所以“order_dataframe”有一个order_date列，“split_dataframe”有一个“date”列，我想乘以与相应日期匹配的比率？
你可以通过应用group_by、merge、join等来做到这一点。我认为你应该把你的精力放在这上面。上面的答案让您对此有所了解。我的建议，尝试逐行运行上面的代码（我的意思是%>% by %>% 以查看每个步骤）并应用您的适应。

【解决方案3】：

这是一个data.table 方法...请参阅代码中的 cmets 进行解释

library( data.table )
#make them data.tables
setDT( orders_dataframe ); setDT( split_dataframe )
#split to retail en non-retail orders
orders_retail    <- orders_dataframe[ Channel == "Retail", ]
orders_no_retail <- orders_dataframe[ !Channel == "Retail", ]
#divide the retail orders over the two shops (multiple steps)
#create a new colum by shop
shop_cols <- split_dataframe$Channel
orders_retail[, (shop_cols) := Revenue ]
#melt to long format
orders_retail.melt <- melt( orders_retail, 
                            id.vars = "Order", 
                            measure.vars = (shop_cols),
                            variable.name = "Channel",
                            value.name = "Revenue")
#and update the molten data with the percentages in the split_dataframe
orders_retail.melt[ split_dataframe, 
                    Revenue := Revenue * i.Percent,
                    on = .( Channel )]
#merge everything back together and order on Order id
ans <- rbind( orders_no_retail, orders_retail.melt )
setorder( ans, Order )
#    Order Channel Revenue
# 1:     1      TV     120
# 2:     2   Email      30
# 3:     3   Shop1     180
# 4:     3   Shop2     120
# 5:     4   Shop1      50
# 6:     5   Shop2      90
# 7:     6   Email      20
# 8:     7   Shop1     150
# 9:     7   Shop2     100

【讨论】：