R 按组添加行
我观察了不同日期(date2)人群中不同字符(代码)的频率(eff) 这就是我产生输出的方式:R 按组添加行,r,dplyr,R,Dplyr,我观察了不同日期(date2)人群中不同字符(代码)的频率(eff) 这就是我产生输出的方式: datas %>% group_by(date2) %>% summarise(eff = (sum(total) / n()) - sum(eff)) %>% inner_join(datas, by = "date2") %>% select(-c(eff.y, code), eff = eff.x) %>% distinct %>
datas %>%
group_by(date2) %>%
summarise(eff = (sum(total) / n()) - sum(eff)) %>%
inner_join(datas, by = "date2") %>%
select(-c(eff.y, code), eff = eff.x) %>%
distinct %>%
mutate(code = "KO") %>%
bind_rows(datas)
但我不喜欢这个解决方案,我想知道是否有人有更好的
另外,您将如何处理2个分组变量(下面的示例中的date1和Date2)
datas2 datas2
日期2日期1代码效果总计
1 2015-07-25 2015-07-24 A 50 100
2 2015-07-25 2015-07-24 B 30100
3 2015-07-26 2015-07-24 A 20 100
4 2015-07-26 2015-07-24 B 10100
5 2015-07-27 2015-07-24 A 20 100
6 2015-07-27 2015-07-24 B 20 100
7 2015-07-26 2015-07-25 A 10 100
8 2015-07-26 2015-07-25 B 20 100
9 2015-07-27 2015-07-25 A 30 100
10 2015-07-27 2015-07-25 B 40100
谢谢你的建议 你可以试试
library(dplyr)
datas %>%
group_by(date2, date1) %>%
summarise(eff=total[1L]-sum(eff), code='KO', total=total[1L]) %>%
bind_rows(., datas) %>%
arrange(date2,code)
或类似的数据。表方法
library(data.table)
rbind(datas,setDT(datas)[, list(eff=total[1L]-sum(eff),
code='KO',total=total[1L]),.(date2,date1)])[order(date2)]
使用data.table
,您可以使用rbind
即rbind(datas,setDT(datas)[,list(eff=total[1L]-sum(eff),code='KO',total=total[1L]),(date2,date1)],[order(date2)]
谢谢akrun,非常好的解决方案,data.table很漂亮,我应该了解它。。虽然我在这个项目中使用dplyr处理所有的数据争用,而且我的所有对象都是tbl,但是我必须使用gnas.date.frame
“unclass”。如果我用更好的data.table解决方案切换计算类型,会有麻烦吗?(在回到dplyr函数之后,我没有时间将所有代码更改为data.table)感谢您的反馈。没关系。我在评论中提到了这一点,因为您正在寻找一个只有dplyr的解决方案。您的代码看起来不错,不过将data.table
命令转换为dplyr
可能更容易。可能是上述数据的dplyr
等效代码。表将是datas%%>%groupby(date2,date1)%%>%summary(eff=total[1L]-sum(eff),code='KO',total=total[1L])%%>%bind\u行数(,datas)%%>%arranged(date2,code)
谢谢!我想我将使用您的dplyr解决方案来避免对象类型的问题。作为回答,我很乐意接受。
datas2 <- data.frame(date2 = c(rep(seq(Sys.Date() - 2, Sys.Date(), by = "day"), each = 2),
rep(seq(Sys.Date() - 1, Sys.Date(), by = "day"), each = 2)),
date1 = c(rep(Sys.Date() - 3, 6), rep(Sys.Date() - 2, 4)),
code = c(rep(LETTERS[1:2], 3), rep(LETTERS[1:2], 2)),
eff = c(50, 30, 20, 10, 20, 20, 10, 20, 30, 40),
total = 100)
> datas2
date2 date1 code eff total
1 2015-07-25 2015-07-24 A 50 100
2 2015-07-25 2015-07-24 B 30 100
3 2015-07-26 2015-07-24 A 20 100
4 2015-07-26 2015-07-24 B 10 100
5 2015-07-27 2015-07-24 A 20 100
6 2015-07-27 2015-07-24 B 20 100
7 2015-07-26 2015-07-25 A 10 100
8 2015-07-26 2015-07-25 B 20 100
9 2015-07-27 2015-07-25 A 30 100
10 2015-07-27 2015-07-25 B 40 100
library(dplyr)
datas %>%
group_by(date2, date1) %>%
summarise(eff=total[1L]-sum(eff), code='KO', total=total[1L]) %>%
bind_rows(., datas) %>%
arrange(date2,code)
library(data.table)
rbind(datas,setDT(datas)[, list(eff=total[1L]-sum(eff),
code='KO',total=total[1L]),.(date2,date1)])[order(date2)]