使用 purrr::map2 迭代 dplyr 代码

Question

我对 R 比较陌生，所以如果这个问题太基础，我很抱歉。

我的交易显示了不同产品的销售数量和收入。因为有三种产品，所以有2^3 = 8 组合用于在“篮子”中销售这些产品。每个篮子都可以在三个给定年份（2016 年、2017 年、2018 年）和任何区域（东部和西部）中的任何一年出售。 [我有两个区域的 3 年交易：东区和西区。]

我的目标是分析在给定区域的给定年份，这些产品的每种组合发生了多少收入、销售了多少数量以及发生了多少交易。

我能够通过基于区域拆分数据来执行上述操作（使用purrr::map）。我创建了一个包含两个数据框的列表，这些数据框包含按“年份”分组的上述每种组合的数据。这很好用。但是，在我看来，代码有点笨拙。有很多重复的说法。我希望能够创建一个 2X3 列表（即 2 个区域和 3 年）

这是我使用区域分割的代码。

第一次尝试

UZone <- unique(Input_File$Zone)
FYear <- unique(Input_File$Fiscal.Year)

  #Split based on zone
  a<-purrr::map(UZone, ~ dplyr::filter(Input_File, Zone == .)) %>%

  #Create combinations of products
  purrr::map(~mutate_each(.,funs(Exists = . > 0), L.Rev:I.Qty )) %>% 

  #group by Fiscal Year
  purrr::map(~group_by_(.,.dots = c("Fiscal.Year", grep("Exists", names(.), value = TRUE)))) %>% 

  #Summarize, delete unwanted columns and rename the "number of transactions" column
  purrr::map(~summarise_each(., funs(sum(., na.rm = TRUE), count = n()), L.Rev:I.Qty)) %>%
    purrr::map(~select(., Fiscal.Year:L.Rev_count)) %>%
    purrr::map(~plyr::rename(.,c("L.Rev_count" = "No.Trans")))

  #Now do Zone and Year-wise splitting : Try 1
  EastList<-a[[1]]
  EastList <- EastList %>% split(.$Fiscal.Year) 

  WestList<-a[[2]]
  WestList <- WestList %>% split(.$Fiscal.Year) 
  write.xlsx(EastList , file = "East.xlsx",row.names = FALSE)
  write.xlsx(WestList , file = "West.xlsx",row.names = FALSE)      

如您所见，上面的代码非常笨拙。由于 R 知识有限，我研究了https://blog.rstudio.org/2016/01/06/purrr-0-2-0/ 并阅读了purrr::map2() 手册，但我找不到太多示例。在阅读How to add list of vector to list of data.frame objects as new slot by parallel? 的解决方案后，我假设我可以使用 X = zone 和 Y= Fiscal Year 来做我上面所做的事情。

这是我尝试过的： 第二次尝试

  #Now try Zone and Year-wise splitting : Try 2
  purrr::map2(UZone,FYear, ~ dplyr::filter(Input_File, Zone == ., Fiscal.Year == .))

但是这段代码不起作用。我收到一条错误消息： Error: .x (2) and .y (3) are different lengths

问题 1： 我可以使用map2 来做我想做的事吗？如果没有，还有其他更好的方法吗？

问题 2： 以防万一，我们可以使用map2，如何使用一个命令生成两个 Excel 文件？正如你在上面看到的，我上面有两个函数调用。我只想要一个。

问题 3： 除了下面的两个语句之外，有没有办法在一个语句中进行求和和计数？我正在寻找更简洁的方法来进行求和和计数。

purrr::map(~summarise_each(., funs(sum(., na.rm = TRUE), count = n()), L.Rev:I.Qty)) %>%
    purrr::map(~select(., Fiscal.Year:L.Rev_count)) %>%

有人可以帮帮我吗？

---

这是我的数据：

dput(Input_File)

structure(list(Zone = c("East", "East", "East", "East", "East", 
"East", "East", "West", "West", "West", "West", "West", "West", 
"West"), Fiscal.Year = c(2016, 2016, 2016, 2016, 2016, 2016, 
2017, 2016, 2016, 2016, 2017, 2017, 2018, 2018), Transaction.ID = c(132, 
133, 134, 135, 136, 137, 171, 171, 172, 173, 175, 176, 177, 178
), L.Rev = c(3, 0, 0, 1, 0, 0, 2, 1, 1, 2, 2, 1, 2, 1), L.Qty = c(3, 
0, 0, 1, 0, 0, 1, 1, 1, 2, 2, 1, 2, 1), A.Rev = c(0, 0, 0, 1, 
1, 1, 0, 0, 0, 0, 0, 1, 0, 0), A.Qty = c(0, 0, 0, 2, 2, 3, 0, 
0, 0, 0, 0, 3, 0, 0), I.Rev = c(4, 4, 4, 0, 1, 0, 3, 0, 0, 0, 
1, 0, 1, 1), I.Qty = c(2, 2, 2, 0, 1, 0, 3, 0, 0, 0, 1, 0, 1, 
1)), .Names = c("Zone", "Fiscal.Year", "Transaction.ID", "L.Rev", 
"L.Qty", "A.Rev", "A.Qty", "I.Rev", "I.Qty"), row.names = c(NA, 
14L), class = "data.frame")

---

输出格式： 这是生成输出的代码。我希望看到 EastList.2016 和 EastList.2017 在一个 Excel 文件中作为两张纸，WestList.2016、WestList.2017 和 WestList.2018 在一个 Excel 文件中作为三张纸。

  #generate the output:
  EastList.2016 <- EastList[[1]]
  EastList.2017 <- EastList[[2]]
  WestList.2016 <- WestList[[1]]
  WestList.2017 <- WestList[[2]]
  WestList.2018 <- WestList[[3]]

Answer 1

两个按年份细分的列表，每个列表都有总和和计数？

在 dplyr 中： （df

df %>% 
group_by(Zone, Fiscal.Year) %>%
summarise_at(vars(L.Rev:I.Qty), funs(sum = sum, cnt = n()))

Source: local data frame [5 x 14]
Groups: Zone [?]

   Zone Fiscal.Year L.Rev_sum L.Qty_sum A.Rev_sum A.Qty_sum I.Rev_sum I.Qty_sum L.Rev_cnt L.Qty_cnt A.Rev_cnt A.Qty_cnt I.Rev_cnt I.Qty_cnt
  <chr>       <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <dbl>     <int>     <int>     <int>     <int>     <int>     <int>
1  East        2016         4         4         3         7        13         7         6         6         6         6         6         6
2  East        2017         2         1         0         0         3         3         1         1         1         1         1         1
3  West        2016         4         4         0         0         0         0         3         3         3         3         3         3
4  West        2017         3         3         1         3         1         1         2         2         2         2         2         2
5  West        2018         3         3         0         0         2         2         2         2         2         2         2         2