使用 R 修改表：数据“智能”分组

Question

我有一个场景，即使使用 Excel，我也不确定如何实现自动化而不是手动完成。

我的 Excel 图表如下所示：

Country      Customer     Device     Level       DueDate
Germany      Aldi         XYZ        3           12.12.20
Germany      Aldi         ABC        3           08.12.20
Germany      Aldi         ZUI        4           08.12.20
USA          LIDL         XYZ        2           12.12.20
USA          LIDL         ABC        2           12.12.20
Jordan       Netto        XYZ        4           12.12.20
Jordan       Netto        ZUI        3           01.11.20

我希望我能正确地重现这种情况。 我的目标是总结Country 和Customer 相同且在Device 属性中不同的行。 这些应该通过创建额外的行（或替换现有的行？）以下列条件分组到一行/项目中：

• 在Device 列中列出所有提到的设备，以; 或类似名称分隔
• 对于Level，选择最大值
• 对于DueDate选择最小值

例如，将三个起始元素组合为一个可以采用以下格式：

Country          Customer         Device          Level          DueDate
Germany          Aldi          XYZ;ABC;ZUI        4              08.12.20  <--- NEW
USA              LIDL             XYZ             2              12.12.20
USA              LIDL             ABC             2              12.12.20
Jordan           Netto            XYZ             4              12.12.20
Jordan           Netto            ZUI             3              01.11.20

所以分组的行被新的行替换。 我目前知道我必须做什么，但不知道如何执行此操作。也许这在Excel中也是可能的？我不知道有任何智能可以检查不同的单元格是否包含相同的值，然后使用模式将它们组合起来。 这可以用 R 更容易完成还是应该手动完成？

Answer 1

这样的事情（在 R 中）有用吗？这使用了data.table 库，它非常适合像这样的聚合/分组。

如果您只想要唯一的设备列表，请检查第二种方法：

library(data.table)
dt <- data.table(
  Country = c('G', 'G', 'G', 'U', 'U', 'J', 'J', 'G'),
  Customer = c('A', 'A', 'A', 'B', 'B', 'C', 'C', 'A'),
  Device = c('XYZ', 'ABC', 'ZUI', 'XYZ', 'ABC', 'XYZ', 'ZUI', 'XYZ'),
  Level = c(3, 3, 4, 2, 2, 4, 3, 3),
  Date = as.Date(c('2020-12-12', '2020-12-08', '2020-12-08', '2020-12-12',
                   '2020-12-12', '2020-12-12', '2020-11-01', '2020-12-12'))
)

# All devices (duplicates)
dt[ , 
    .(Device = paste0(Device, collapse = ';'), 
      Level = max(Level), 
      Date = min(Date)), 
    by = .(Country, Customer)]
#   Country Customer          Device Level       Date
#1:       G        A XYZ;ABC;ZUI;XYZ     4 2020-12-08
#2:       U        B         XYZ;ABC     2 2020-12-12
#3:       J        C         XYZ;ZUI     4 2020-11-01

# No duplicate devices - Note the use of unique()
dt[ , 
    .(Device = paste0(unique(Device), collapse = ';'),
      Level = max(Level),
      Date = min(Date)),
    by = .(Country, Customer)]
#   Country Customer      Device Level       Date
#1:       G        A XYZ;ABC;ZUI     4 2020-12-08
#2:       U        B     XYZ;ABC     2 2020-12-12
#3:       J        C     XYZ;ZUI     4 2020-11-01

Answer 2

为了完整起见，并且因为 OP 似乎在 comment 中使用了 dplyr 动词，这里也是一个 dplyr 解决方案：

library(dplyr)
readr::read_table(
  "Country      Customer     Device     Level       DueDate
Germany      Aldi         XYZ        3           12.12.20
Germany      Aldi         ABC        3           08.12.20
Germany      Aldi         ZUI        4           08.12.20
USA          LIDL         XYZ        2           12.12.20
USA          LIDL         ABC        2           12.12.20
Jordan       Netto        XYZ        4           12.12.20
Jordan       Netto        ZUI        3           01.11.20"
) %>% 
  mutate(DueDate = lubridate::dmy(DueDate)) %>% 
  group_by(Country, Customer) %>% 
  summarise(Device = Device %>% unique() %>% toString(),
            Level = max(Level),
            DueDate = min(DueDate))

# A tibble: 3 x 5
# Groups:   Country [3]
  Country Customer Device        Level DueDate   
  <chr>   <chr>    <chr>         <dbl> <date>    
1 Germany Aldi     XYZ, ABC, ZUI     4 2020-12-08
2 Jordan  Netto    XYZ, ZUI          4 2020-11-01
3 USA     LIDL     XYZ, ABC          2 2020-12-12

请注意，此处使用的是 OP 发布的原始数据集。为了找到最小日期，这需要将字符日期转换为日期类。此外，为简洁起见，使用toString() 代替paste0()。