基于具有相同维度(R)的另一个表为透视表创建自定义格式
我有两个数据透视表,如下所示。我需要主表根据指定的规则从底部表获取其格式。我不完全确定如何将格式从一个表传递到另一个表,因为我们只传递一个表对象。我可以用这个包或DT中的任何解决方案 (在正确的位置用代码注释,但基本上第一个表格上的单元格应根据底部表格上的观察结果涂上颜色(如果小于5,则需要将单元格标记为红色))基于具有相同维度(R)的另一个表为透视表创建自定义格式,r,pivot-table,dt,R,Pivot Table,Dt,我有两个数据透视表,如下所示。我需要主表根据指定的规则从底部表获取其格式。我不完全确定如何将格式从一个表传递到另一个表,因为我们只传递一个表对象。我可以用这个包或DT中的任何解决方案 (在正确的位置用代码注释,但基本上第一个表格上的单元格应根据底部表格上的观察结果涂上颜色(如果小于5,则需要将单元格标记为红色)) 库(radiant.data) 图书馆(DT) 图书馆(dplyr) #此数据需要显示在数据透视表上 df_数据_至_显示%dtab() df_数据_至_显示$x$数据 #>切割颜色I
库(radiant.data)
图书馆(DT)
图书馆(dplyr)
#此数据需要显示在数据透视表上
df_数据_至_显示%dtab()
df_数据_至_显示$x$数据
#>切割颜色I1 SI2 SI1 VS2 VS1 VVS2 VVS1如果总计
#>1费尔德纳34428 27750 5688纳875纳68741
#>2公平E 1232 26484 13094 2551 NA 738 NA 44099
#>3公平F 10852 3633 24775 14812 16797 NA 12648 3205 86722
#>4公平G 1954 25521 16846 11654 3419 3323 NA 62717
#>5公平H 10152 38344 38153 7516 26427 NA NA 120592
#>6 Fair I 6268 13440 2804 3867 3065 NA NA 29444
#>7 Fair J 2304 23181 497 NA 16732 NA NA 42714
#>8良好D 4346 59491 21960 6361 4522 19324 4274 NA 120278
#>9良好E 2608 77762 75916 62827 14774 2511 2129 NA 238527
#>10好F 3354 59098 40587 47473 21560 NA 15886 1429 189387
#>11良好G 7026 43708 47079 34603 34942 10284 26112 895 204649
#>12好H NA 38845 47938 35801 8032 15198 638 NA 146452
#>13良好I NA 11686 82335 11858 38485 5221 9301 945 159831
#>14好J NA 36827 33588 5202 1128 NA NA 76745
#>15非常好D NA 83312 57617 42237 36710 14682 1426 18114 254098
#>16非常好E 6707 164585 112414 90421 45633 46216 16852 16474 499302
#>17非常好F 10640 90164 173023 104353 57590 24961 15475 22877 499083
#>18非常好G 2988 133754 91859 63196 90789 97253 24230 2151 506220
#>19非常好H 2850 73086 124936 71239 103507 15029 6475 2571 399693
#>20非常好I NA 47089 102178 101361 47980 1289 11335 7951 319183
#>21非常好的J NA 74032 69433 44767 2849 10161 2042 NA 203284
#>22优质D 13119 60845 146063 36107 75983 12910 5952 NA 350979
#>23保费E 3572 96571 132717 135139 70399 32273 7701 6144 484516
#>24保费F 5896 144000 100753 135135 59548 15123 7718 18160 486333
#>25保费G 19580 148256 111278 180735 100370 39591 18677 1847 620334
#>26特优H 1332120381818181160108 16162098884 1792610046 3028668751
#>27保费I 6436 126824 112927 91604 50340 23292 4553 3729 419705
#>28特优J 2195 93865 42461 96399 79836 12850 994 9596 338196
#>29理想D NA 36893 111255 128776 78128 60124 15407 4216 434799
#>30理想E NA 117900 126845 118332 58749 81276 42797 7323 553222
#>31理想F 23323 114836 137310 153054 108434 132094 90199 44013 803263
#>32理想G NA 108961 102594 206233 176063 186596 167161 28904 976512
#>33理想H 7068 136811 201787 128418 40020 23152 27539 29354 594149
#>34理想I NA 115069 113838 81508 72743 40227 26039 5263 454687
#>35理想J NA 34881 78256 106134 30380 4317 9814 569 264351
#以上单元格应根据此处的观察结果着色(如果小于5,则需要将单元格标记为红色)
df_数据_至_颜色%dtab()
df_数据_至_颜色$x$数据
#>切割颜色I1 SI2 SI1 VS2 VS1 VVS2 VVS1如果总计
#>1公平D NA 8 4 2 NA 1 NA 15
#>2公平E 1 5 2 NA 1 NA 14
#>3公平F 2 1 4 4 NA 1 17
#>4公平G1 5 2 2 1 NA 16
#>5公平H34923不公平21
#>6公平I 4 2 1 2不公平11
#>7公平J 1 3 1 NA 2 NA 7
#>8好的D 1 14 9 3 4 1 NA 35
#>9良好E116221512 NA 62
#>10好的F 11 14 12 8 NA 7 2 55
#>11好的G17108733140
#>12好H NA 7 13 10 3 1 NA 37
#>13好的I NA 214 2 5 1 1 26
#>14好的J NA 5 11 2 NA NA 20
#>15非常好D NA 18 21 17 10 8 2 1 77
#>16非常好E230372692574140
#>17非常好F22440232514144136
#>18非常好G1292172216162131
#>19非常好H11412020126295
#>20非常好我那71811114259
#>21非常好的J NA 10 11 12 3 2 1 NA 39
#>22优质D31338121394NA 92
#>23保费e125474113773144
#>24保费F223253617646119
#>25优质G235262030992156
#>26保费H3313125235111332
#>27保费I 1210171443383
#>28特优J 19 9 12 10 2 1 45
#>29理想D NA 15 39 55 24 20 9 1 163
#>30理想E NA 30 36 55 25 22 21 5 194
#>31理想F 4 34 42 53 29 29 18 238
#>32理想G NA 21 31 50 51 43 42 16 254
#>33理想H130 43 31 22 13 14 15 169
#>34号
library(radiant.data)
library(DT)
library(dplyr)
#this data needs to show on the pivot table
df_data_to_show <- pivotr(diamonds, cvars = c("clarity","cut","color"), nvar = "price", fun = "sum") %>% dtab()
df_data_to_show$x$data
#> cut color I1 SI2 SI1 VS2 VS1 VVS2 VVS1 IF Total
#> 1 Fair D NA 34428 27750 5688 NA NA 875 NA 68741
#> 2 Fair E 1232 26484 13094 2551 NA 738 NA NA 44099
#> 3 Fair F 10852 3633 24775 14812 16797 NA 12648 3205 86722
#> 4 Fair G 1954 25521 16846 11654 3419 3323 NA NA 62717
#> 5 Fair H 10152 38344 38153 7516 26427 NA NA NA 120592
#> 6 Fair I 6268 13440 2804 3867 3065 NA NA NA 29444
#> 7 Fair J 2304 23181 497 NA 16732 NA NA NA 42714
#> 8 Good D 4346 59491 21960 6361 4522 19324 4274 NA 120278
#> 9 Good E 2608 77762 75916 62827 14774 2511 2129 NA 238527
#> 10 Good F 3354 59098 40587 47473 21560 NA 15886 1429 189387
#> 11 Good G 7026 43708 47079 34603 34942 10284 26112 895 204649
#> 12 Good H NA 38845 47938 35801 8032 15198 638 NA 146452
#> 13 Good I NA 11686 82335 11858 38485 5221 9301 945 159831
#> 14 Good J NA 36827 33588 5202 1128 NA NA NA 76745
#> 15 Very Good D NA 83312 57617 42237 36710 14682 1426 18114 254098
#> 16 Very Good E 6707 164585 112414 90421 45633 46216 16852 16474 499302
#> 17 Very Good F 10640 90164 173023 104353 57590 24961 15475 22877 499083
#> 18 Very Good G 2988 133754 91859 63196 90789 97253 24230 2151 506220
#> 19 Very Good H 2850 73086 124936 71239 103507 15029 6475 2571 399693
#> 20 Very Good I NA 47089 102178 101361 47980 1289 11335 7951 319183
#> 21 Very Good J NA 74032 69433 44767 2849 10161 2042 NA 203284
#> 22 Premium D 13119 60845 146063 36107 75983 12910 5952 NA 350979
#> 23 Premium E 3572 96571 132717 135139 70399 32273 7701 6144 484516
#> 24 Premium F 5896 144000 100753 135135 59548 15123 7718 18160 486333
#> 25 Premium G 19580 148256 111278 180735 100370 39591 18677 1847 620334
#> 26 Premium H 13321 203818 160108 161620 98884 17926 10046 3028 668751
#> 27 Premium I 6436 126824 112927 91604 50340 23292 4553 3729 419705
#> 28 Premium J 2195 93865 42461 96399 79836 12850 994 9596 338196
#> 29 Ideal D NA 36893 111255 128776 78128 60124 15407 4216 434799
#> 30 Ideal E NA 117900 126845 118332 58749 81276 42797 7323 553222
#> 31 Ideal F 23323 114836 137310 153054 108434 132094 90199 44013 803263
#> 32 Ideal G NA 108961 102594 206233 176063 186596 167161 28904 976512
#> 33 Ideal H 7068 136811 201787 128418 40020 23152 27539 29354 594149
#> 34 Ideal I NA 115069 113838 81508 72743 40227 26039 5263 454687
#> 35 Ideal J NA 34881 78256 106134 30380 4317 9814 569 264351
#the cells above should be coloured in based on the observations here (if less than 5, the cell needs to be flagged red)
df_data_to_color <- pivotr(diamonds, cvars = c("clarity","cut","color"), nvar = "price", fun = "n_obs") %>% dtab()
df_data_to_color$x$data
#> cut color I1 SI2 SI1 VS2 VS1 VVS2 VVS1 IF Total
#> 1 Fair D NA 8 4 2 NA NA 1 NA 15
#> 2 Fair E 1 5 5 2 NA 1 NA NA 14
#> 3 Fair F 2 1 4 4 4 NA 1 1 17
#> 4 Fair G 1 5 5 2 2 1 NA NA 16
#> 5 Fair H 3 4 9 2 3 NA NA NA 21
#> 6 Fair I 4 2 1 2 2 NA NA NA 11
#> 7 Fair J 1 3 1 NA 2 NA NA NA 7
#> 8 Good D 1 14 9 3 3 4 1 NA 35
#> 9 Good E 1 16 22 15 5 1 2 NA 62
#> 10 Good F 1 11 14 12 8 NA 7 2 55
#> 11 Good G 1 7 10 8 7 3 3 1 40
#> 12 Good H NA 7 13 10 3 3 1 NA 37
#> 13 Good I NA 2 14 2 5 1 1 1 26
#> 14 Good J NA 5 11 2 2 NA NA NA 20
#> 15 Very Good D NA 18 21 17 10 8 2 1 77
#> 16 Very Good E 2 30 37 26 9 25 7 4 140
#> 17 Very Good F 2 24 40 23 25 14 4 4 136
#> 18 Very Good G 1 29 23 17 22 21 16 2 131
#> 19 Very Good H 1 14 21 20 19 12 6 2 95
#> 20 Very Good I NA 7 18 16 11 1 4 2 59
#> 21 Very Good J NA 10 11 12 3 2 1 NA 39
#> 22 Premium D 3 13 38 12 13 9 4 NA 92
#> 23 Premium E 1 25 47 41 13 7 7 3 144
#> 24 Premium F 2 23 25 36 17 6 4 6 119
#> 25 Premium G 2 35 26 42 30 10 9 2 156
#> 26 Premium H 3 31 31 25 23 5 11 3 132
#> 27 Premium I 1 21 20 17 14 4 3 3 83
#> 28 Premium J 1 9 9 12 10 2 1 1 45
#> 29 Ideal D NA 15 39 55 24 20 9 1 163
#> 30 Ideal E NA 30 36 55 25 22 21 5 194
#> 31 Ideal F 4 34 42 53 29 29 29 18 238
#> 32 Ideal G NA 21 31 50 51 43 42 16 254
#> 33 Ideal H 1 30 43 31 22 13 14 15 169
#> 34 Ideal I NA 14 23 19 18 14 12 5 105
#> 35 Ideal J NA 6 18 16 8 3 1 1 53
#somehow combining the two tables