Question

我有一个称为sales的数据框。

我想用通用标识符ID对每个月的销售量进行汇总。

我很难找到的是如何在有返回值的情况下执行此操作。

例如，当我将sales_Feb1980求和为ID 2时，应仅包括有收益的观察结果，而没有收益的观察结果应忽略不计？

数据看起来像什么。我还有更多的行和列。

   id    name  Returns_jan1980 Returns_feb1980 Sales_Jan1980 Sales_Feb1980   
  2b    LA         4.7%            5.6%             100              100
  2b    LA         5.7%                             250              100
  2b    LA         6.3%            5.8%             50               100
  5a    NY                         5.6%             30               200
  5a    NY         5.7%            3.6%             50               100

正确的输出

  id   name Sales_Jan1980 Sales_Jan19080   
  2       LA     400          200        
  5       NY     50           300

感谢您的帮助。

Answer 1

使用基数R，我们首先可以找出"Returns"和"Sales"列，并假设它们的顺序正确，我们可以将相应的{{1 }}列，然后使用"Return"对"Sales"和aggregate进行分组，并得出id。

Name

Answer 2

一种dplyr和tidyr的可能性是：

df %>%
 rowid_to_column() %>%
 gather(var, val, -c(id, rowid, name)) %>%
 arrange(rowid, sub(".*_", "", var)) %>%
 group_by(rowid) %>%
 mutate(val = ifelse(is.na(lag(val, default = first(val))), NA, val)) %>%
 ungroup() %>%
 spread(var, val) %>%
 group_by(id, name) %>%
 summarise_at(vars(starts_with("Sales")), sum, na.rm = TRUE)

  id    name  Sales_Feb1980 Sales_Jan1980
  <chr> <chr>         <dbl>         <dbl>
1 2b    LA              200           400
2 5a    NY              300            50

它根据Sales列中的值将Returns列中的值设置为NA，然后执行求和。

如何以其他条件为条件汇总数据

2 个答案: