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：

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gn
as.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)]