计算分组变量之和与另一个变量之间的差异答案

【问题标题】：Calculate difference between sum of grouped variable and another variable计算分组变量之和与另一个变量之间的差异
【发布时间】：2021-07-03 00:18:31
【问题描述】：

我有一个这样的数据框：

example.df <- data.frame(Year = rep(1:3, each = 3),
                         Product = rep(c("bottle_water", "tap_water", "juice"), 3),
                         Product_grouped = rep(c("water", "water", "juice"), 3),
                         Required = c(10, 15, 10, 10, 20, 10, 10, 35, 0),
                         Group_avail = rep(c(25, 25, 10), 3),
                         Purchased = c(0, 0, 0, 5, 0, 0, 20, 0, 0))
> example.df
  Year      Product Product_grouped Required Group_avail Purchased
1    1 bottle_water           water       10          25         0
2    1    tap_water           water       15          25         0
3    1        juice           juice       10          10         0
4    2 bottle_water           water       10          25         5
5    2    tap_water           water       20          25         0
6    2        juice           juice       10          10         0
7    3 bottle_water           water       10          25        20
8    3    tap_water           water       35          25         0
9    3        juice           juice        0          10         0

对于每个Year，我有每个Product 的Required 数量。其中两个产品（tap_water 和bottled_water）可归入water。在这种情况下，可用总量显示在Group_avail。

当总RequiredProduct_grouped大于Group_avail时，我想购买差额。但是，区别只能是 bottle_water 中的 Purchased。例如，在Year 2 中，我们需要 20 个tap_water 和 10 个bottle_water，但只有 25 个可用水，所以 5 个bottle_water 是Purchased。

我正在寻找适合管道的解决方案。

谢谢！

编辑我添加了另一个 Year 以进一步明确我想要的内容。在超过Product_grouped 的总Required 的任何情况下，应始终在bottle_water 中购买差额。

【问题讨论】：

你怎么知道必须购买的是bottle_water而不是tap_water？
我希望编辑让我更清楚我想要什么

标签： r dataframe dplyr data-wrangling

【解决方案1】：

我希望这是您正在寻找的。为了您的目的，我首先修改了Required 列以显示每个Product_grouped 的sum，然后检查每个组的第一行的总和是否超过Group_avail。如果确实如此，我们会计算差异，前提是我们的第一个类别始终是bottle_water。如果您想将 Required 列恢复为原始形式，我可以进行修改，以确保这是您首先要查找的内容。

library(dplyr)

example.df %>%
  group_by(Year, Product_grouped) %>%
  mutate(Required = sum(Required),
         Purchased02 = if_else(Required >= Group_avail & Product == "bottle_water", 
                               Required - Group_avail, 0))

# A tibble: 9 x 7
# Groups:   Year, Product_grouped [6]
   Year Product      Product_grouped Required Group_avail Purchased Purchased02
  <int> <chr>        <chr>              <dbl>       <dbl>     <dbl>       <dbl>
1     1 bottle_water water                 25          25         0           0
2     1 tap_water    water                 25          25         0           0
3     1 juice        juice                 10          10         0           0
4     2 bottle_water water                 30          25         5           5
5     2 tap_water    water                 30          25         0           0
6     2 juice        juice                 10          10         0           0
7     3 bottle_water water                 45          25        20          20
8     3 tap_water    water                 45          25         0           0
9     3 juice        juice                  0          10         0           0

【讨论】：

非常感谢。有什么方法可以让bottle_water 更明确 - 我不清楚 row_number() 在这里做什么，但如果函数不依赖于产品的顺序可能会更好:)
是的，当然，我做了一些修改。请在您的原始数据上进行测试，并告诉我您希望我以何种方式改进它以更适合您的目的。

【解决方案2】：

有点不雅，但是这使用管道通过拆分bottle_water然后添加回数据框来实现结果。

temp <- example.df

temp <- temp %>% 
  group_by(Product_grouped, Year) %>% 
  filter(Product %in% c("bottle_water", "tap_water")) %>% 
  mutate(Required_grouped = sum(Required)) %>% 
  filter(Product == "bottle_water") %>% 
  mutate(Purchased = ifelse(Required_grouped - Group_avail > 0, Required_grouped - Group_avail, 0)) %>% 
  select(-"Required_grouped")
  
example.df <- example.df %>% 
  filter(Product != "bottle_water") %>% 
  bind_rows(temp) %>% 
  arrange(Year)

如果订单很重要，则将 Product 设置为因子并添加到 arrange(Year)。

【讨论】：