r - 在长数据集中添加两个分类变量的行？

Question

我有一个长格式矩阵(面板数据)，其中包含多个字符串变量、一个分类变量和一个带有数值的变量。

该数据包含特定年份各国多个工业部门的产出信息。我的想法是在同一国家/地区的相同年份添加其中两个行业，并更改新创建行业的名称。

例如，假设我有以下矩阵:

set.seed(10)

matrix <- cbind.data.frame(country = rep(c("aaa" , "bbb") , each = 6) , industry = rep(c("toys" , "paper") ,  each = 3 , times = 2) , 
                year = rep(c(2000:2002) , times = 4) , production = sample(0:100 , 12) )

给出:

      country industry year   production
 [1,] "aaa"   "toys"   "2000" "8"       
 [2,] "aaa"   "toys"   "2001" "73"      
 [3,] "aaa"   "toys"   "2002" "75"      
 [4,] "aaa"   "paper"  "2000" "54"      
 [5,] "aaa"   "paper"  "2001" "71"      
 [6,] "aaa"   "paper"  "2002" "53"      
 [7,] "bbb"   "toys"   "2000" "38"      
 [8,] "bbb"   "toys"   "2001" "82"      
 [9,] "bbb"   "toys"   "2002" "87"      
[10,] "bbb"   "paper"  "2000" "14"      
[11,] "bbb"   "paper"  "2001" "91"      
[12,] "bbb"   "paper"  "2002" "41"  

我想将每年和国家的“玩具”产量与“纸张”产量相加，并将新行业称为“玩具和纸张”，如下所示:

  year country       variable value
1 2000     aaa toys_and_paper    62
2 2000     bbb toys_and_paper    52
3 2001     aaa toys_and_paper   144
4 2001     bbb toys_and_paper   173
5 2002     aaa toys_and_paper   128
6 2002     bbb toys_and_paper   128

我知道如何使用 reshape2 和 tidyverse 来做到这一点，如下所示:

library(reshape2)
library(tidyverse)

test <- dcast(matrix , year + country ~ industry)

test <- test %>%
  mutate(toys_and_paper = paper + toys) %>%
  select(year , country , toys_and_paper)

test <- melt(test , id.vars = c("year" , "country"))

有更直接的方法吗？

Answer 1

我认为原来的问题有一个令人困惑的例子，因为在实际的数据集中可能有更多的行业。

这是一个包含两个以上行业的玩具数据集

set.seed(10)

matrix <- cbind.data.frame(
   country = rep(c("aaa", "bbb"), each = 9),
   industry = rep(c("toys", "paper", "other"), each = 3, times = 2),
   year = rep(c(2000:2002), times = 6),
   production = sample(0:100, 18)
)

以及问题的 dplyr 解决方案

matrix %>% 
   dplyr::mutate(
      industry = dplyr::if_else(
         industry %in% c("toys", "paper"), "toys_and_paper", industry
      )
   ) %>% 
   dplyr::group_by(
      year,
      country,
      industry
   ) %>% 
   dplyr::summarise(
      production = sum(production),
      .groups = "drop"
   )

如果在实际数据集中，industry 列是一个因素(而且它应该)，那么您可以将 if_else() 语句替换为 forcats: :fct_unify()