您好我有一个数据集,其中一行显示订单中的商品。一个订单可以包含更多项目,因此数据集中的行数更多。
数据如下:
code nr. Of items
1 252222016 5
3 252812016 1
5 252812016 1
6 253012016 1
12 253042016 20
13 253042016 20
15 253052016 1
16 253072016 3
18 253082016 4
我想要一个结果,我会总结" nr。物品"哪里有相同的"代码"并在行中写下resoult。如果一个订单有更多项目,我希望在订单的最后一行写入一个resoult,之前的行将是NA。
我希望最终解决方案如何:
code nr. Of items result
1 252222016 5 5
3 252812016 1 na
5 252812016 1 2
6 253012016 1 1
12 253042016 20 na
13 253042016 20 40
15 253052016 1 1
16 253072016 3 3
18 253082016 4 4
我很感激帮助!
答案 0 :(得分:3)
您可以将duplicated
函数与参数fromLast = TRUE
一起使用,即
library(dplyr)
df %>%
group_by(code) %>%
mutate(new = replace(cumsum(nr. Of items), duplicated(code, fromLast = TRUE), NA))
#Source: local data frame [9 x 3]
#Groups: code [7]
# code nr new
# <int> <int> <int>
#1 252222016 5 5
#2 252812016 1 NA
#3 252812016 1 2
#4 253012016 1 1
#5 253042016 20 NA
#6 253042016 20 40
#7 253052016 1 1
#8 253072016 3 3
#9 253082016 4 4
答案 1 :(得分:2)
我们可以使用dplyr
包完成此操作:
library(dplyr) # load package
df1 %>%
group_by(code) %>%
mutate(rownum = 1,
c_s_rn = cumsum(rownum),
result = ifelse(c_s_rn == max(c_s_rn), sum(items), NA)) %>%
select(-rownum, -c_s_rn)
# code items result
# 1 252222016 5 5
# 2 252812016 1 NA
# 3 252812016 1 2
# 4 253012016 1 1
# 5 253042016 20 NA
# 6 253042016 20 40
# 7 253052016 1 1
# 8 253072016 3 3
# 9 253082016 4 4
使用R
和lapply
的基础split
解决方案:
df1_2 <- df1
df1_2$rownum <- 1
do.call('rbind',
lapply(split(df1_2, df1_2$code), function(x)
data.frame(x,
result = ifelse(cumsum(x$rownum) == sum(x$rownum), sum(x$items), NA)))
)[,-3]
# code items result
# 252222016 252222016 5 5
# 252812016.3 252812016 1 NA
# 252812016.5 252812016 1 2
# 253012016 253012016 1 1
# 253042016.12 253042016 20 NA
# 253042016.13 253042016 20 40
# 253052016 253052016 1 1
# 253072016 253072016 3 3
# 253082016 253082016 4 4
df1 <- structure(list(
code = c(252222016L, 252812016L, 252812016L, 253012016L,
253042016L, 253042016L, 253052016L, 253072016L, 253082016L),
items = c(5L, 1L, 1L, 1L, 20L, 20L, 1L, 3L, 4L)),
.Names = c("code", "items"), class = "data.frame",
row.names = c("1", "3", "5", "6", "12", "13", "15", "16", "18"))
答案 2 :(得分:2)
使用ifelse
和fromLast = TRUE
的另一种dplyr替代方案:
library(dplyr)
df1 <- df1 %>%
group_by(code) %>%
mutate(result = ifelse(duplicated(code, fromLast = TRUE), NA, sum(nr.Of.items)))
答案 3 :(得分:0)
我们可以使用data.table
执行此操作。转换&#39; data.frame&#39;到&#39; data.table&#39; (setDT(df1)
),按代码&#39;分组,if
行数大于1(.N >1
),然后将NA
复制少一个比行数和连接(c(
)与sum
项目&#39;或else
返回&#39;项目&#39;。分配(:=
输出以创建新列&#39;结果&#39;。
library(data.table)
setDT(df1)[, result := if(.N>1) c(rep(NA, .N-1), sum(items)) else items, by = code]
df1
# code items result
#1: 252222016 5 5
#2: 252812016 1 NA
#3: 252812016 1 2
#4: 253012016 1 1
#5: 253042016 20 NA
#6: 253042016 20 40
#7: 253052016 1 1
#8: 253072016 3 3
#9: 253082016 4 4
或者,我们也可以在最后一行以外的其他位置创建NA,而不是使用if/else
&#39;项目的sum
&#39;
setDT(df1)[, result := NA^(seq_len(.N) != .N)*sum(items) , by = code]
df1 <- structure(list(
code = c(252222016L, 252812016L, 252812016L, 253012016L,
253042016L, 253042016L, 253052016L, 253072016L, 253082016L),
items = c(5L, 1L, 1L, 1L, 20L, 20L, 1L, 3L, 4L)),
.Names = c("code", "items"), class = "data.frame",
row.names = c("1", "3", "5", "6", "12", "13", "15", "16", "18"))
答案 4 :(得分:0)
使用dplyr
包的另一种方法(使用@bouncyball的df1
)是:
library(dplyr)
df1 %>% group_by(code) %>% mutate(result=ifelse(row_number()==n(),sum(items),NA))