R：创建新列，其中一个与条件匹配的同一列中的值之间的差异

Question

我有一个包含以下列的数据框：Slot、Period、SortNumber 和 Value。 实际上，这个数据框是从一些访问数据库中读取数据而创建的，我在比较字符串等方面做了一些工作......所以，我也使用 RODBC 和 stringr 包。这部分代码在 R 和 Power BI 中完美运行，所以，我没有在这里重现。 这是我的最终数据框的示例：

dfAccess <- data.frame(Slot = c("X1", "X2", "X3", "X1", "X3","X1", "X2", "X3", "X2", "X3"), 
                       Period = c(1,1,1,2,2,1,1,1,2,2), 
                       SortNumber = c(1, 1, 1, 1,1,2,2,2,2,2), 
                       Value = c(9,5,7,9,5,6,4,8,2,1))

此数据帧在 SortNumber 1 中没有时段 2 的 Slot X2，也没有 SortNumber 2 中时段 2 的 Slot X1（它可以错过任何行）。在视觉上，它意味着：

Slot     Period    SortNumber    Value    
=======================================
X1         1          1           9    
X2         1          1           5    
X3         1          1           7    
X1         2          1           9   
X3         2          1           5    
X1         1          2           6    
X2         1          2           4    
X3         1          2           8    
X2         2          2           2    
X3         2          2           1    

我想创建一个新列 (DiffValue) 来计算 Value 和 Value 之间的差异，其中 SortNumer 为 = 1（按 Slot 和 Period 分组）

问题是 Slot 和 Period 不一定对每个 SortNumber 都具有相同的值。在这种情况下，我想使用 0 作为默认值并计算每一行的差异。

我正在使用dplyr，当数据一致时，工作正常。否则，我会收到错误消息："Column DiffValue must be length 1 (the group size), not 0"

  dfAccess <-dfAccess %>%
  group_by(Slot, Period) %>%
  mutate(DiffValue = Value - Value[SortNumber == 1] )

使用这些数据，我希望看到的是：

Slot     Period    SortNumber    Value    DiffValue
=========================================================
X1         1          1           9            0
X2         1          1           5            0
X3         1          1           7            0
X1         2          1           9            0
X3         2          1           5            0
X1         1          2           6           -3
X2         1          2           4           -1
X3         1          2           8            1
X2         2          2           2           -2 ("0" - 2)
X3         2          2           1           -4

这是一种方法吗？

编辑：我修改了原始帖子的部分内容，因为 Sinh Nguyen 发现了数据中的问题，但我仍然无法计算差异。

谢谢！

Answer 1

仍然不能完全确定您的数据集的性质以及您想要实现的目标。但这将解决错误，对于没有SortNumber==1 的一对Slot+Period，它将自动使用0(Zero) 作为默认值。

# Sample data set with one pair of Slot+Period that doesn't have any SortNumber==1
dfAccess <- data.frame(Slot = c("X1", "X2", "X3", "X1", "X2", "X3","X1", "X2", "X3","X1", "X2", "X3"), 
           Period = c(1,1,1,2,2,2,1,1,1,2,2,2), 
           SortNumber = c(1, 1, 2, 1,1,1,2,2,2,2,2,2), 
           Value = c(9,5,7,9,1,5,6,4,8,10,2,1))

# Your command will generate an error
dfAccess <-dfAccess %>%
      group_by(Slot, Period) %>%
      mutate(DiffValue = Value - Value[SortNumber == 1] )
# ​Error: Column `DiffValue` must be length 2 (the group size) or one, not 0

# This command will only take 1st value of SortNumber==1 in any pair Slot+Number
dfAccess %>%
    group_by(Slot, Period) %>%
    mutate(DiffValue = Value - first(Value[SortNumber==1], default=0)) %>%
    ungroup()

Answer 2

不确定我是否理解正确，但作为练习，我将您的数据框转换为更宽的格式，以便更容易查看：

df <- dfAccess %>%
  filter(SortNumber == 1) %>% 
  full_join(
    dfAccess %>% 
      filter(SortNumber == 2),
    by= c("Slot", "Period")
  ) %>% 
  mutate_at(vars(Value.x, Value.y), replace_na, 0) %>%    # impute missing values with zero
  rowwise() %>% 
  mutate(
    DiffValue = Value.y - Value.x
  )

df 包含：

# A tibble: 6 x 7
  Slot  Period SortNumber.x Value.x SortNumber.y Value.y DiffValue
  <fct>  <dbl>        <dbl>   <dbl>        <dbl>   <dbl>     <dbl>
1 X1         1            1       9            2       6        -3
2 X2         1            1       5            2       4        -1
3 X3         1            1       7            2       8         1
4 X1         2            1       9           NA       0        -9
5 X3         2            1       5            2       1        -4
6 X2         2           NA       0            2       2         2

注意第 4 行和第 6 行，其中一个或另一个 SortNumber 缺失。

可以采用与您要求的格式类似的格式（我的代码很丑，但可以）：

df2 <- df %>% 
  select(1:4) %>% 
  rename(
    SortNumber = 3,
    Value = 4
  ) %>% 
  mutate(
    DiffValue = 0
  ) %>% 
  bind_rows(
    df %>% 
      select(-3, -4) %>% 
      rename(
        SortNumber = 3,
        Value = 4
      )
  )

而df2 包含：

# A tibble: 12 x 5
   Slot  Period SortNumber Value DiffValue
   <fct>  <dbl>      <dbl> <dbl>     <dbl>
 1 X1         1          1     9         0
 2 X2         1          1     5         0
 3 X3         1          1     7         0
 4 X1         2          1     9         0
 5 X3         2          1     5         0
 6 X2         2         NA     0         0
 7 X1         1          2     6        -3
 8 X2         1          2     4        -1
 9 X3         1          2     8         1
10 X1         2         NA     0        -9
11 X3         2          2     1        -4
12 X2         2          2     2         2

如果您不想估算“SortNumber == 2”，那么替代方案是：

df3 <- dfAccess %>%
  filter(SortNumber == 1) %>% 
  full_join(
    dfAccess %>% 
      filter(SortNumber == 2),
    by= c("Slot", "Period")
  ) %>% 
  mutate_at(vars(Value.x), replace_na, 0) %>% 
  rowwise() %>% 
  mutate(
    DiffValue = Value.y - Value.x
  ) %>% 
  select(1:4) %>% 
  rename(
    SortNumber = 3,
    Value = 4
  ) %>% 
  mutate(
    DiffValue = 0
  ) %>% 
  bind_rows(
    df %>% 
      select(-3, -4) %>% 
      rename(
        SortNumber = 3,
        Value = 4
      )
  ) 

df3 将是：

# A tibble: 12 x 5
   Slot  Period SortNumber Value DiffValue
   <fct>  <dbl>      <dbl> <dbl>     <dbl>
 1 X1         1          1     9         0
 2 X2         1          1     5         0
 3 X3         1          1     7         0
 4 X1         2          1     9         0
 5 X3         2          1     5         0
 6 X2         2         NA     0         0
 7 X1         1          2     6        -3
 8 X2         1          2     4        -1
 9 X3         1          2     8         1
10 X1         2         NA    NA        NA
11 X3         2          2     1        -4
12 X2         2          2     2         2

HTH 或至少为您提供有关如何解决此问题的想法