r - 在 R 中的同一列中获取计数和总和

Question

我在下面提到了 R 中的数据框。

ID       Date         Type         Value
K-1      2018-01-01   A            4
K-2      2018-01-01   B            7
K-3      2018-01-01   C            12
K-4      2018-01-02   A            6
K-5      2018-01-02   A            4
K-6      2018-01-02   B            15
K-7      2018-01-02   B            10

我想学习如何在下面给定的所需数据帧中转换数据帧，其中 A , B和 C每个日期都应该是静态的，无论该特定类型在该日期是否可用。

另外，我要数 ID按日期分组和 Type , 在 <5 的桶中(如果值在 1-4 之间)， 5-10 (如果值在 5 到 10 之间)和 >10 (如果值高于 10)。
sum列应包含该特定日期和类型的总值(value)。
Count列应包含 ID 的计数按特定日期分组和 Type .

水桶 <5 , 5-10和 >10应始终在所需的输出中，无论该存储桶是否有可用值。

另外，如何获得特定 ID的总和按括号中的桶分组 ()用逗号分隔的 2 个十进制值。
括号中 sum 的字体应小于 count 的字体(即如果 <5 桶的 count 字体为 12，则括号中 sum 的字体应为 10)。
此外，如果特定桶中的计数为 0，则不需要以 (0.00) 作为值的括号。

所需的 DF

Date           Count      <5      5-10       >10      sum
2018-01-01      3         1 (4)    1 (7)      1 (12)   23
A               1         1 (4)    0          0        4
B               1         0        1 (7)      0        7
C               1         0        0          1 (12)   12
2018-01-02      4         1 (4)    2 (16)     1 (15)   35
A               2         1 (4)    1 (6)      0        10
B               2         0        1 (10)     1 (15)   25
C               0         0        0          0        0

我正在使用的代码(来自 SO):

library(tidyverse)

dat2 <- dat %>%
  mutate(Result = case_when(
    Value < 5                        ~"<5",
    Value >= 5 & Value <= 10         ~"5-10",
    Value > 10                       ~">10"
  )) %>%
  group_by(Date, Type, Result) %>%
  summarize(sum = sum(Value)) %>%
  mutate(Flag = 1L) %>%
  spread(Result, Flag, fill = 0L) %>%
  group_by(Date, Type) %>%
  summarize_all(list(~sum(.))) %>%
  ungroup() %>%
  complete(Date, Type)

dat2[is.na(dat2)] <- 0

dat3 <- dat2 %>% mutate(Count = rowSums(select(., -Date, -Type, -sum)))

dat4 <- dat3 %>%
  group_by(Date) %>%
  summarize_at(vars(-Type), list(~sum(.))) 

dat_final <- map2_dfr(split(dat4, f = dat4$Date),
                      split(dat3, f = dat3$Date),
                      ~bind_rows(.x %>% rename(Type = Date), 
                                 .y %>% select(-Date)))

dat_final2 <- dat_final %>%
  select(Date = Type, Count, `<5`, `5-10`, `>10`, sum)
dat_final2

Answer 1

表格包非常适合紧凑地描述此类输出。首先创建计算列中显示的统计信息的函数。然后使用指示的 tabular公式。 LHS 是行，RHS 是列。 + 表示连接在 + 两侧描述的变量。
sprintf的输出例如，可以通过更改格式字符串来改变。见 ?sprintf .

latex

还有如果 tab是 tabular 的输出然后命令 latex(tab)将创建一个 latex 版本，您可以通过插入 latex 命令进一步改变它。例如 "%d \\tiny{(%d)}"如 sprintf格式字符串将使 latex 输出中括号内的部分变小。

html

如果你想要 html然后输出 tab正如刚刚定义的那样 html(tab)创建一个 html 版本，可以使用适当的 html 标签进一步改变。例如 "%d <small>(%d)</small>"如 sprintf格式字符串将使 html 输出中括号内的部分变小。

输入

我们提供输入 dat以可复制的形式出现在最后的注释中。下次请确保以可重现的形式提供输入。

代码

这主要重现了问题中显示的输出，并且比那里的代码紧凑得多。

library(tables)

outstring <- function(x) if (length(x)) sprintf("%d (%d)", length(x), sum(x)) else 0
`<5` <- function(x) outstring(x[x < 5])
`5-10` <- function(x) outstring(x[x >= 5 & x <= 10])
`>10` <- function(x) outstring(x[x > 10])

tab <- 
  tabular(Date * (1 + Type) ~ (n=1) + Value * (`<5` + `5-10` + `>10` + sum), data = dat)

给予:

                       Value                  
 Date                n <5    5-10   >10    sum
 2018-01-01      All 3 1 (4) 1 (7)  1 (12) 23 
            Type A   1 1 (4) 0      0       4 
                 B   1 0     1 (7)  0       7 
                 C   1 0     0      1 (12) 12 
 2018-01-02      All 4 1 (4) 2 (16) 1 (15) 35 
            Type A   2 1 (4) 1 (6)  0      10 
                 B   2 0     1 (10) 1 (15) 25 
                 C   0 0     0      0       0 

笔记

dat <- 
structure(list(ID = structure(1:7, .Label = c("K-1", "K-2", "K-3", 
"K-4", "K-5", "K-6", "K-7"), class = "factor"), Date = structure(c(1L, 
1L, 1L, 2L, 2L, 2L, 2L), .Label = c("2018-01-01", "2018-01-02"
), class = "factor"), Type = structure(c(1L, 2L, 3L, 1L, 1L, 
2L, 2L), .Label = c("A", "B", "C"), class = "factor"), Value = c(4L, 
7L, 12L, 6L, 4L, 15L, 10L)), class = "data.frame", row.names = c(NA, 
-7L))

更新
tabular类有一个 as.matrix 方法，我们可以对其执行简单的操作以产生以下输出:

m <- as.matrix(tab)
m2 <- cbind(paste0(m[, 1], sub("All", "", m[, 3])), m[, -(1:3)])[-1, ]
setNames(as.data.frame(m2[-1, ]), m2[1, ])

给予:

        Date n    <5   5-10    >10 sum
1 2018-01-01 3 1 (4)  1 (7) 1 (12)  23
2          A 1 1 (4)      0      0   4
3          B 1     0  1 (7)      0   7
4          C 1     0      0 1 (12)  12
5 2018-01-02 4 1 (4) 2 (16) 1 (15)  35
6          A 2 1 (4)  1 (6)      0  10
7          B 2     0 1 (10) 1 (15)  25
8          C 0     0      0      0   0