使用 dplyr 将行添加到分组数据？答案

【问题标题】：Add rows to grouped data with dplyr?使用 dplyr 将行添加到分组数据？
【发布时间】：2014-06-20 12:13:25
【问题描述】：

我的数据采用 data.frame 格式，例如以下示例数据：

data <- 
structure(list(Article = structure(c(1L, 1L, 3L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L
), .Label = c("10004", "10006", "10007"), class = "factor"), 
Demand = c(26L, 780L, 2L, 181L, 228L, 214L, 219L, 291L, 104L, 
72L, 155L, 237L, 182L, 148L, 52L, 227L, 2L, 355L, 2L, 432L, 
1L, 156L), Week = c("2013-W01", "2013-W01", "2013-W01", "2013-W01", 
"2013-W01", "2013-W02", "2013-W02", "2013-W02", "2013-W02", 
"2013-W02", "2013-W03", "2013-W03", "2013-W03", "2013-W03", 
"2013-W03", "2013-W04", "2013-W04", "2013-W04", "2013-W04", 
"2013-W04", "2013-W04", "2013-W04")), .Names = c("Article", 
"Demand", "Week"), class = "data.frame", row.names = c(NA, -22L))

我想按周和文章来总结需求栏。为此，我使用：

library(dplyr)
WeekSums <- 
  data %>%
   group_by(Article, Week) %>%
   summarize(
    WeekDemand = sum(Demand)
   )

但由于某些文章在某些周内没有售出，因此每篇文章的行数不同（WeekSums 数据框中仅显示有销售的周数）。如何调整我的数据，使每篇文章的行数相同（每周一行），包括需求为 0 的周数？

输出应如下所示：

  Article     Week WeekDemand
1   10004 2013-W01       1215
2   10004 2013-W02        900
3   10004 2013-W03        774
4   10004 2013-W04       1170
5   10006 2013-W01        0
6   10006 2013-W02        0
7   10006 2013-W03        0
8   10006 2013-W04         5
9   10007 2013-W01         2
10   10007 2013-W02        0
11   10007 2013-W03        0
12   10007 2013-W04        0

我试过了

WeekSums %>%
  group_by(Article) %>%
  if(n()< 4) rep(rbind(c(Article,NA,NA)), 4 - n() )

但这不起作用。在我最初的方法中，我通过将第 1-4 周的数据框与每篇文章的原始数据文件合并来解决这个问题。这样，我每篇文章有 4 周（行），但是使用 for 循环的实现效率非常低，所以我尝试对 dplyr（或任何其他更有效的包/函数）做同样的事情。任何建议将不胜感激！

【问题讨论】：

标签： r dataframe dplyr

【解决方案1】：

没有 dplyr 可以这样完成：

as.data.frame(xtabs(Demand ~ Week + Article, data))

给予：

       Week Article Freq
1  2013-W01   10004 1215
2  2013-W02   10004  900
3  2013-W03   10004  774
4  2013-W04   10004 1170
5  2013-W01   10006    0
6  2013-W02   10006    0
7  2013-W03   10006    0
8  2013-W04   10006    5
9  2013-W01   10007    2
10 2013-W02   10007    0
11 2013-W03   10007    0
12 2013-W04   10007    0

这可以重写为 magrittr 或 dplyr 管道，如下所示：

data %>% xtabs(formula = Demand ~ Week + Article) %>% as.data.frame()

如果需要宽格式解决方案，可以省略末尾的 as.data.frame()。

【讨论】：

xtabs 使用指定的公式创建一个 "table" 类的对象，其维度是右侧变量，其单元格是左侧变量的总和，如果该单元格为空，则为零. as.data.frame 应用于表格时会将其重塑为长表格。

【解决方案2】：

由于dplyr 正在积极开发中，我想我会发布一个包含tidyr 的更新：

library(dplyr)
library(tidyr)

data %>%
  expand(Article, Week) %>%
  left_join(data) %>%
  group_by(Article, Week) %>%
  summarise(WeekDemand = sum(Demand, na.rm=TRUE))

产生：

   Article     Week WeekDemand
1    10004 2013-W01       1215
2    10004 2013-W02        900
3    10004 2013-W03        774
4    10004 2013-W04       1170
5    10006 2013-W01          0
6    10006 2013-W02          0
7    10006 2013-W03          0
8    10006 2013-W04          5
9    10007 2013-W01          2
10   10007 2013-W02          0
11   10007 2013-W03          0
12   10007 2013-W04          0

使用 tidyr >= 0.3.1 现在可以写成：

data %>% 
  complete(Article, Week) %>%  
  group_by(Article, Week) %>% 
  summarise(Demand = sum(Demand, na.rm = TRUE))

【讨论】：

感谢您展示解决问题的另一种方法！我不得不承认我喜欢 xtabs 解决方案的简单性，但这也产生了预期的结果 (+1)

【解决方案3】：

我想我会提供一个dplyr-esque 解决方案。

使用expand.grid() 生成您正在寻找的成对组合。
使用left_join() 加入需求数据（用 NA 填充其余部分）。

解决办法：

full_data <- expand.grid(Article=data$Article,Week=data$Week)
out <- left_join(tbl_dt(full_data),data)
out[is.na(out)] <- 0    # fill with zeroes for summarise below.

然后和以前一样：

WeekSums <- out %>%
            group_by(Article, Week) %>%
            summarise(
                     WeekDemand = sum(Demand)
                     )

Fxnal 编程？

如果您经常使用这种转换，那么也许是一个便利功能：

xpand <- function(df, col1, col2,na_to_zero=TRUE){

    require(dplyr)

    # to substitute in the names "as is" need substitute then eval.
    xpand_call <- substitute(     
        expanded <- df %>%
                    select(col1,col2) %>%
                    expand.grid()
    )

    eval(xpand_call)                       

    out <- left_join(tbl_dt(expanded), df)         # join in any other variables from df.

    if(na_to_zero) out[is.na(out)] <- 0    # convert NAs to zeroes?

    return(out)
}

这样你就可以做到：

expanded_df <- xpand(df,Article,Week)

【讨论】：

【解决方案4】：

对于这种情况，您还可以使用dcast 和melt。

   library(dplyr)
   library(reshape2)
   data %>%
      dcast(Article ~ Week, value.var = "Demand", fun.aggregate = sum) %>%
      melt(id = "Article") %>%
      arrange(Article, variable)

【讨论】：