将数据分散到新列中，同时汇总（添加）值 - R 或 SQL答案

【问题标题】：Spread data into new columns, while also summarizing (adding) values - R or SQL将数据分散到新列中，同时汇总（添加）值 - R 或 SQL
【发布时间】：2019-03-06 15:40:51
【问题描述】：

我有一张如下所示的表格：

ID    YEAR    SOURCE    VALUE
 1    2014        AV       15
 1    2014        OV       25
 1    2015        AV       87
 2    2014        AX       44
 2    2015        AZ       32
 2    2015        NL        2
 3    2011        OV      104

我想重新构建表格以提供一个新列，其中汇总了源 AV、AX 和 NL 提供的 VALUE，以及另一个新列，其中给出了来自 OV 的值。例如，上面的代码如下所示：

ID    YEAR    AV+AX+NL    OV
 1    2014          15    25
 1    2015          87    NA
 2    2014          44    NA
 2    2015          32    NA
 3    2011          NA   104

我想在 R 中执行此操作，但如果更简单，可以使用 SQL。到目前为止，我一直在尝试结合 tidyverse 中的“summarise”和“mutate”命令来创建我的新列，但我无法找到一种方法来仅对某些 SOURCE 值而不是所有值求和。

非常感谢任何帮助

【问题讨论】：

试试library(dplyr);df1 %>% group_by(ID, YEAR) %>% summarise(AV_AX_NL = sum(VALUE[SOURCE %in% c("AV", "AX", "NL")]), OV = sum(VALUE[SOURCE == "OV"]))
SOURCE == "AZ" 的记录呢？

标签： r sql-server dplyr

【解决方案1】：

非常简单的 SQL Server 查询。您所要做的就是按条件有条件地求和。

SELECT ID, [YEAR]
    , SUM(CASE WHEN SOURCE IN ('AV', 'AX', 'NL') THEN [VALUE] ELSE NULL END) [AV+AX+NL]
    , SUM(CASE WHEN SOURCE = 'OV' THEN [VALUE] ELSE NULL END) [OV]
FROM src
GROUP BY ID, [YEAR]
ORDER BY ID, [YEAR]

结果：

| ID | YEAR | AV+AX+NL | OV   |
+----+------+----------+------+
| 1  | 2014 | 15       | 25   |
| 1  | 2015 | 87       | NULL |
| 2  | 2014 | 44       | NULL |
| 2  | 2015 | 2        | NULL |
| 3  | 2011 | NULL     | 104  |

我最初使用 0 作为 case 中的条件不匹配时的替代值。但是，如果您希望在没有匹配项时显示 NULL 而不是 0，则需要将替代值更改为 NULL。如果仅将 NULL 值传递给聚合函数，则将返回 NULL。

需要注意的是，在 SUM 中使用 NULL 而不是 0 会产生警告：Null 值被聚合或其他 SET 操作消除。否则一切都很好。

编辑

那个 NULL 警告让我很困扰。产生相同结果的另一种方法是转换 SOURCE 列，以便将值 'av'、'ax'、'nl' 转换为 'av+ax+nl'，然后使用 pivot 通过'av+ax+nl' 的源值。

SELECT pvt.ID, pvt.[YEAR], pvt.[AV+AX+NL], pvt.OV
FROM (
    SELECT ID, [YEAR], [VALUE]
        , CASE WHEN SOURCE IN ('AV', 'AX', 'NL') THEN 'AV+AX+NL' ELSE SOURCE END SOURCE2
    FROM src
) src2
PIVOT (
    SUM([VALUE])
    FOR SOURCE2 IN ([AV+AX+NL], [OV])
) pvt
ORDER BY ID, [YEAR]

【讨论】：

为什么投反对票？这正是 O.P. 想要的结果？
我不确定（不是我投了反对票）。我认为如果我用 NULL 替换零
@rw2，我将零更改为空。这确实会发出警告：Null 值被聚合或其他 SET 操作消除，但查询结果有效。

【解决方案2】：

一个选项是dcast 来自data.table

library(data.table)
dcast(setDT(df1), ID + YEAR ~ SOURCE %in% c("AV", "AX", "NL"),
                value.var = "VALUE", sum)

【讨论】：

谢谢 - 这很好用，而且似乎比我的数据集的 dplyr 方法快很多

【解决方案3】：

Sql server 上有多种方法可以做到这一点，这是一种

WITH C AS(
    SELECT ID
          ,YEAR
          ,SUM(VALUE) AS [AVAXNL]
    FROM TABLE_1
    WHERE SOURCE IN('AV','AX','NL')
    GROUP BY ID,YEAR

),D AS(
    SELECT ID
          ,YEAR
          ,SUM(VALUE) AS [OV]
        FROM TABLE_1
    WHERE SOURCE IN('AV','AX','NL')
    GROUP BY ID,YEAR
)
SELECT  ISNULL(C.ID,D.ID) AS ID
       ,ISNULL(C.YEAR,D.YEAR) AS YEAR
       ,C.AVAXNL
       ,D.OV
FROM C
FULL JOIN D ON (C.ID = D.ID AND C.YEAR = D.YEAR)

您还可以旋转表格并添加每一行。

【讨论】：