问题描述
是否有一种方法可以对数据框中所有唯一变量名称（可口可乐和百事可乐等品牌）的变量（例如销售额和单位）求和。 为了提供帮助，这里有一些示例数据。
set.seed(123)
period <- seq(as.Date('2021/01/01'),as.Date('2021/01/07'),by="day")
Coke_Regular_Units <- sample(1000:2000,7,replace = TRUE)
Coke_Diet_Units <- sample(1000:2000,replace = TRUE)
Coke_Regular_Sales <- sample(500:1000,replace = TRUE)
Coke_Diet_Sales <- sample(500:1000,replace = TRUE)
Pepsi_Regular_Units <- sample(1000:2000,replace = TRUE)
Pepsi_Diet_Units <- sample(1000:2000,replace = TRUE)
Pepsi_Regular_Sales <- sample(500:1000,replace = TRUE)
Pepsi_Diet_Sales <- sample(500:1000,replace = TRUE)
df <- data.frame(Coke_Regular_Units,Coke_Diet_Units,Coke_Regular_Sales,Coke_Diet_Sales,Pepsi_Regular_Units,Pepsi_Diet_Units,Pepsi_Regular_Sales,Pepsi_Diet_Sales)
> head(df)
period Coke_Regular_Units Coke_Diet_Units Coke_Regular_Sales Coke_Diet_Sales Pepsi_Regular_Units
1 2021-01-01 1414 1117 589 847 1425
2 2021-01-02 1462 1298 590 636 1648
3 2021-01-03 1178 1228 755 976 1765
4 2021-01-04 1525 1243 696 854 1210
5 2021-01-05 1194 1013 998 827 1931
6 2021-01-06 1937 1373 590 525 1589
Pepsi_Diet_Units Pepsi_Regular_Sales Pepsi_Diet_Sales
1 1554 608 943
2 1870 762 808
3 1372 892 634
4 1843 924 808
5 1142 829 910
6 1543 522 723
我喜欢自动计算 Coke_Sales、Coke_Units、Pepsi_Sales、Pepsi_Units、Regular_Sales 和 Diet_Units 的代码。
我目前对每个变量都这样做
library(dplyr)
df$Coke_Sales <- rowSums(Filter(is.numeric,select(df,(matches("Coke") & matches("Sales")))))
df$Coke_Units <- rowSums(Filter(is.numeric,(matches("Coke") & matches("Units")))))
这对少量变量没问题，但我需要对 100 多个变量执行此操作。是否有任何功能可以实现这一点？它需要自动找到唯一的变量名称，如 Coke、Pepsi、Diet 和 Regular。指标是变量名称的最后一部分，因此不一定需要自动查找它，但会很棒。如果方便的话，可以指定指标，因为最多只有 3 个指标，但有数百个品牌。
如果它不能自动化，有没有办法可以简化它，我指定所需的变量。不完美，但仍有改进。例如，包含这些代码行以指定要求和的变量和所需的指标。
VarsToSum <- c("Coke","Pepsi","Diet","Regular")
Metrics <- c("Sales","Units")
如果它也不能以这种方式完成，也许我需要分解成更小的步骤，任何提示都会很棒。试图思考如何做到这一点，我是否应该尝试在前缀“_”之前找到唯一名称，然后计算这些唯一名称的“销售额”和“单位”。这会是最好的方法吗？还是我应该重塑数据？还有其他路线可以到达吗？
任何帮助或指导如何实现这一点将不胜感激。谢谢
解决方法
这是一种data.table方法...
library( data.table )
setDT(df) #make it a data.table
#melt to long
ans <- melt( df,id.vars = "period",variable.factor = FALSE )
#split variable to 3 new columns
ans[,c("brand","type","what") := tstrsplit( variable,"_" ) ]
# > head(ans)
# period variable value brand type what
# 1: 2021-01-01 Coke_Regular_Units 1414 Coke Regular Units
# 2: 2021-01-02 Coke_Regular_Units 1462 Coke Regular Units
# 3: 2021-01-03 Coke_Regular_Units 1178 Coke Regular Units
# 4: 2021-01-04 Coke_Regular_Units 1525 Coke Regular Units
# 5: 2021-01-05 Coke_Regular_Units 1194 Coke Regular Units
# 6: 2021-01-06 Coke_Regular_Units 1937 Coke Regular Units
#summarise however you like
ans[,.(total = sum(value) ),by = .(brand,type,what)]
# brand type what total
# 1: Coke Regular Units 10527
# 2: Coke Diet Units 8936
# 3: Coke Regular Sales 5158
# 4: Coke Diet Sales 5171
# 5: Pepsi Regular Units 11160
# 6: Pepsi Diet Units 10813
# 7: Pepsi Regular Sales 5447
# 8: Pepsi Diet Sales 5491
使用 outer paste 音节和 grep。
sapply(outer(c("Coke","Pepsi"),c("Sales","Units"),paste,sep=".*"),function(x)
rowSums(df[grep(x,names(df))]))
# Coke.*Sales Pepsi.*Sales Coke.*Units Pepsi.*Units
# [1,] 1436 1551 2531 2979
# [2,] 1226 1570 2760 3518
# [3,] 1731 1526 2406 3137
# [4,] 1550 1732 2768 3053
# [5,] 1825 1739 2207 3073
# [6,] 1115 1245 3310 3132
# [7,] 1446 1575 3481 3081
这里的解决方案在精神上与@Wimpel 的解决方案相似，但使用了 tidyverse :
library(tidyverse)
summary_df <-
df %>%
pivot_longer(cols = ends_with("Sales") | ends_with("Units"),names_to = c("brand",".value"),names_pattern = "(.*)_(.*)_(.*)") %>%
group_by(brand) %>%
summarize(Sales = sum(Sales),Units = sum(Units)) %>%
pivot_wider(names_from = "brand",values_from = c("Sales",names_glue = "{brand}_{.value}")
summary_df
# # A tibble: 1 x 4
# Coke_Sales Pepsi_Sales Coke_Units Pepsi_Units
# <int> <int> <int> <int>
# 1 10329 10938 19463 21973