在 R 中的单个变量中聚合分类变量值

Question

我有一个包含以下变量的数据集 - Bill_Number、Item_Name、Quantity。一个 Bill_Number 下可以有多个 Item_Name。我试图通过 Bill_Number 和 Quantity 来总结它，其中 Item_Names 被连接到每个账单编号的单个变量中。这里的解决方案：Combine several row variables 适用于有限和预定义的框架（如下所示），但我有数百个 Item_Names。我相信有一种更简单的方法可以做到这一点。有人可以帮忙吗？

数据（仅样本）：

BillN<-c('B1','B1','B1','B1','B2','B2','B2','B2','B3','B3','B3','B3')

Item_Name<-c('Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D') # going on to Product(n)

Quantity<-c(1,2,1,2,1,2,1,1,1,2,1,1)

输出：使用ply::ddply

ddply(within(Dummy1, {
  Item_Name <- ifelse(Item_Name %in% c('Prod A','Prod B','Prod C'), 'Prod A + Prod B + Prod C', 'Prod D')
}), .(BillN, Item_Name), summarise, Count=sum(Quantity))

这取决于“Prod D”是一个单独的行，而我需要一个给定编号的所有产品和该账单编号的总数量的组合。

我需要的输出格式如下：

比尔N |物品名称 |数量

B1 |产品 A + 产品 B + 产品 C + 产品 D | 4

B2 |产品 A + 产品 B + 产品 C + 产品 D | 4

B3 |产品 A + 产品 B + 产品 C + 产品 D | 4

而我从上面的代码得到的输出是：

比尔N |物品名称 |数量

B1 |产品 A + 产品 B + 产品 C | 4

B1 |产品 D | 2

B2 |产品 A + 产品 B + 产品 C | 4

B2 |产品 D | 2

B3 |产品 A + 产品 B + 产品 C | 4

B3 |产品 D | 2

扩展场景，如果我有更多变量（例如每个 Item_Name 的 Brand、Category、Sub_category 和 Sales_Amount 作为数字变量进一步求和）会发生什么？

如果您需要更多信息或有任何疑问，请告诉我。

谢谢， 拉乌尔

Answer 1

这是使用data.table 包的快速解决方案：

第一步：创建data.table

library(data.table)

DT <- data.table(
  BillN=c('B1','B1','B1','B1','B2','B2','B2','B2','B3','B3','B3','B3'),
  Item_Name=c('Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D'), # going on to Product(n)
  Quantity=c(1,2,1,2,1,2,1,1,1,2,1,1)
)

Step2：设置合适的key：

setkey(DT,BillN)

第3步：确保字符串向量Item_Name不是factor。

DT[,Item_Name := as.character(Item_Name)]

Step4：通过key进行操作

DT[,list(Item_Name =paste(Item_Name,collapse=" + "),
         Quantity=sum(Quantity)),
   by=key(DT)]

您可以按原样使用结果，也可以折叠每一行！这很简单！

Answer 2

这是一个示例，将 Quantity 变量与 BillN 和 BillNs 的计数相加，作为您的预期输出：

Dummy1 <- data.frame(BillN, Item_Name, Quantity)

ldply(by(Dummy1, Dummy1$BillN, simplify=TRUE, FUN=function(x) {

  BillN <- x[1,]$BillN
  Quantity <- sum(x$Quantity)
  Item_Name <- paste(as.character(unique(x$Item_Name)), sep="", collapse=" + ")
  BillCt <- nrow(x)

  return(data.frame(BillN, Item_Name, Quantity, BillCt))

}))[2:5]

##  BillN                         Item_Name Quantity BillCt
## 1    B1 Prod A + Prod B + Prod C + Prod D        6      4
## 2    B2 Prod A + Prod B + Prod C + Prod D        5      4
## 3    B3 Prod A + Prod B + Prod C + Prod D        5      4