【发布时间】:2020-06-25 13:26:58
【问题描述】:
按组 (group_by(id)),我试图根据 types 的选择对变量求和。但是,这些types 有一个优先顺序。示例:
library(tidyverse)
df <- data.frame(id = c(rep(1, 6), 2, 2, 2, rep(3, 4), 4, 5),
types = c("1a", "1a", "2a", "3b", "4c", "7d",
"4c", "7d", "7d","4c", "5d", "6d", "6d","5d","7d"),
x = c(10, 15, 20, 15, 30, 40,
10, 10, 15, 10, 10, 10, 10, 10, 10),
y = c(1:15),
z = c(1:15)
)
df
# id types x y z
# 1 1 1a 10 1 1
# 2 1 1a 15 2 2
# 3 1 2a 20 3 3
# 4 1 3b 15 4 4
# 5 1 4c 30 5 5
# 6 1 7d 40 6 6
# 7 2 4c 10 7 7
# 8 2 7d 10 8 8
# 9 2 7d 15 9 9
# 10 3 4c 10 10 10
# 11 3 5d 10 11 11
# 12 3 6d 10 12 12
# 13 3 6d 10 13 13
# 14 4 5d 10 14 14
# 15 5 7d 10 15 15
我想根据types的偏好按此顺序sum(x):
preference_1st = c("1a", "2a", "3b")
preference_2nd = c("7d")
preference_3rd = c("4c", "5d", "6d")
所以这意味着如果id 包含preference_1st 中的任何类型,我们将它们相加并忽略其他类型,如果preference_1st 中没有,我们将所有preference_2nd 相加并忽略其余类型。最后,如果preference_3rd 中只有types,我们将这些相加。所以对于id=1,我们要忽略类型4c 和7d。 (我还想要更直接地计算其他变量,在本例中为z 和y)。
期望的输出:
desired
id sumtest ymean zmean
1 1 60 3.5 3.5
2 2 25 8.0 8.0
3 3 40 11.5 11.5
4 4 10 14.0 14.0
5 5 10 15.0 15.0
我认为一种可能的选择是使用mutate 和case_when 创建某种顺序变量,但我认为使用if 语句时应该有更好的选择?以下内容很接近,但无法正确区分偏好:
df %>%
group_by(id) %>%
summarise(sumtest = if (any(types %in% preference_1st)) {
sum(x)
} else if (any(!types %in% preference_1st) & any(types %in% preference_2nd)) {
sum(x)
} else {
sum(x)
},
ymean = mean(y),
zmean = mean(z))
# id sumtest ymean zmean
# <dbl> <dbl> <dbl> <dbl>
# 1 1 130 3.5 3.5
# 2 2 35 8 8
# 3 3 40 11.5 11.5
# 4 4 10 14 14
# 5 5 10 15 15
也对其他方法持开放态度?有什么建议吗?
谢谢
【问题讨论】: