dplyr 可以将合并列中的值加在一起吗？

Question

我有一个数据框，工作人员（约 8 个不同的职位）分配在许多（约 70 多个）不同的位置，例如

Location	Job1	Job2	Job3	Total
A	1	2	3	6
B	4	5	6	7

我有另一个带有开口（无人值守职位）的数据框，但列的顺序不同。例如

Location	Job2	Job1	Job3	Total
A	0	1	1	2
B	1	4	1	6

我最终是在寻找一个按位置/职位显示人员配备率的汇总表，例如

Location	Job1	Job2	Job3	Total
A	0.50	1.00	0.75	0.75
B	0.50	0.83	0.86	0.54

到目前为止，我已经成功地将前两个表合并在一起（使用left_join，因为有些位置没有空缺职位，这些职位根本不存在于短缺表中），by = location, suffix = c(".f", ".uf") 用于填充和未填充，导致一个看起来像这样的表：

Location	Job1.f	Job2.f	Job3.f	Total.f	Job2.uf	Job1.uf	Job3.uf	Total.uf
A	1	2	3	6	0	1	1	2
B	4	5	6	7	1	4	1	6

问题：是否有任何方法（除了循环作业类型，如果可能，使用dplyr）根据匹配的名称更改列，例如data %>% mutate(fill_rate1 = Job1.f / (Job1.f + Job1.uf))，而无需为每个作业类型手动键入单独的行？我的倾向是应该有一些“通配符”/正则表达式匹配技术，但到目前为止我还没有运气。

编辑：下面的可重现代码

library(tidyverse)

locations <- c("A","B","C","D","E")
job1 <- c(1,2,3,4,5)
job2 <- c(6,7,8,9,10)
job3 <- c(11,12,13,14,15)
total <- c(18, 21, 24, 27, 30)

loc_uf <- c("A","B","E")
uf1 <- c(0,2,4)
uf2 <- c(3,6,9)
uf3 <- c(7,3,0)
uftotal <- c(10, 11, 13)

filled <- data_frame(locations = locations, Job1 = job1, Job2 = job2, Job3 = job3,
                     total = total)

unfilled <- data_frame(locations = loc_uf, Job2 = uf2, Job1 = uf1, Job3 = uf3,
                       total = uftotal)

merged <- left_join(filled, unfilled, by = "locations", suffix = c(".f", ".uf")) %>%
          replace(is.na(.), 0)

Answer 1

我认为如果您使用tidyr::pivot_longer 将数据重新整形为长格式，这会更容易，因为作业在一个列中，而值在另一列中。

library(dplyr)
library(tidyr)

df1 %>% 
  pivot_longer(cols = -Location) %>% 
  left_join(pivot_longer(df2, cols = -Location), by = c("Location", "name")) %>%
  mutate(rate = value.x / (value.x + value.y))

结果：

# A tibble: 8 x 5
  Location name  value.x value.y  rate
  <chr>    <chr>   <int>   <int> <dbl>
1 A        Job1        1       1 0.5  
2 A        Job2        2       0 1    
3 A        Job3        3       1 0.75 
4 A        Total       6       2 0.75 
5 B        Job1        4       4 0.5  
6 B        Job2        5       1 0.833
7 B        Job3        6       1 0.857
8 B        Total       7       6 0.538

数据：

df1 <- structure(list(Location = c("A", "B"), 
                      Job1 = c(1L, 4L), 
                      Job2 = c(2L, 5L), 
                      Job3 = c(3L, 6L), 
                      Total = 6:7), 
                      class = "data.frame", row.names = c(NA, -2L))

df2 <- structure(list(Location = c("A", "B"), 
                      Job2 = 0:1, 
                      Job1 = c(1L, 4L), 
                      Job3 = c(1L, 1L), 
                      Total = c(2L, 6L)), 
                      class = "data.frame", row.names = c(NA, -2L))

Answer 2

另一种方法是使用across：

library(dplyr)
library(stringr)
data %>%
  mutate(across(contains(".f"),
                ~ ./(. + get(str_replace(cur_column(),".f",".uf"))),
                .names = "fillrate_{.col}"))
#  Location Job1.f Job2.f Job3.f Total.f Job2.uf Job1.uf Job3.uf Total.uf fillrate_Job1.f fillrate_Job2.f fillrate_Job3.f fillrate_Total.f
#1        A      1      2      3       6       0       1       1        2             0.5       1.0000000       0.7500000        0.7500000
#2        B      4      5      6       7       1       4       1        6             0.5       0.8333333       0.8571429        0.5384615