Question

我是R（和dplyr）的新手，我目前正在处理一些季节性足球数据，需要一些帮助。目前，如果玩家转移到同一联盟中的另一个俱乐部，那么数据行和所有指标都会被复制，但会有一个新的team_id。但是，如果玩家转移到另一个联盟，则指标会被拆分。

为了保持一致性，我需要解决这个问题，这意味着我必须：

由player_id分组，其中comp_id不匹配

（足球法规要求你在一个赛季中最多只能参加2个俱乐部，这样可以抵消进一步的复杂化，所以这个简单的规则可以解决所有问题）

所以换句话说，如果有重复数，则对所有行求和，但仅当comp_id不同时

我试图在dplyr中这样做，并希望有一些写这样的方式，如：

football_data %>%
group_by(player_id, !comp_id)

但这不起作用，而且非常正确。

我的另一个选择是基于复合键（player_id，comp_id）和group_by player_id创建一个额外的列，只有复合键的数量= 1，但即使这样，我也很难用dplyr写这个。

非常欢迎任何建议。

编辑：

有近百个指标，所以我将简化如下：

player_id   player_name   comp,   team,  metric1, metric2, metric3 .....
1            Lacazette     Bund   Dort     20       30       20
1            Lacazette     EPL    Ars      10       15       15
2            Arnautovic    EPL    Stoke    30       40       30     
2            Arnautovic    EPL    W. Ham   30       40       30

所以在这个例子中，当玩家移动联盟（Lacazette）时，数据指标会被分割，但如果转移属于同一联盟（Arnautovic）则不会。

因此，为了保持一致性，我需要总结第一个玩家的指标，而不是第二个玩家的指标

产生一个输出：

player_id   player_name   comp,   team,  metric1, metric2, metric3 .....
1            Lacazette     Bund   Dort     30       45       35
1            Lacazette     EPL    Ars      30       45       35
2            Arnautovic    EPL    Stoke    30       40       30     
2            Arnautovic    EPL    W. Ham   30       40       30

Answer 1

基本上，你想要

获取sum变量的玩家等级metric，按comp分组
join他们回到完整的数据框架。

library(tidyverse)
#> -- Attaching packages ----------------------------------------------------------------------------------------------------- tidyverse 1.2.1 --
#> v ggplot2 2.2.1     v purrr   0.2.4
#> v tibble  1.4.1     v dplyr   0.7.4
#> v tidyr   0.7.2     v stringr 1.2.0
#> v readr   1.1.1     v forcats 0.2.0
#> -- Conflicts -------------------------------------------------------------------------------------------------------- tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag()    masks stats::lag()

df <- data.frame(player_id = c(1, 1, 2, 2), 
                 player_name = c("Lacazette", "Lacazette", "Arnuatovic", "Arnuatovic"), 
                 comp = c("Bund", "EPL", "EPL", "EPL"), 
                 team = c("Dort", "Ars", "Stoke", "W. Ham"), 
                 metric1 = c(20, 10, 30, 30), 
                 metric2 = c(30, 15, 40, 40), 
                 metric3 = c(20, 15, 30, 30))

df %>% 
  distinct(player_id, player_name, comp, .keep_all = T) %>% 
  group_by(player_id) %>% 
  summarize_at(vars(metric1:metric3), funs(sum)) %>% 
  left_join(df %>% select(player_id:team), ., by = "player_id")


#>   player_id player_name comp   team metric1 metric2 metric3
#> 1         1   Lacazette Bund   Dort      30      45      35
#> 2         1   Lacazette  EPL    Ars      30      45      35
#> 3         2  Arnuatovic  EPL  Stoke      30      40      30
#> 4         2  Arnuatovic  EPL W. Ham      30      40      30

R：分组2列，但仅当第2列不匹配时

1 个答案: