将数据减少为布尔值，同时在 dplyr 中保持独特的周数答案

【问题标题】：Reduce data to boolean values while maintaining unique weeks in dplyr将数据减少为布尔值，同时在 dplyr 中保持独特的周数
【发布时间】：2017-10-27 21:11:38
【问题描述】：

给定以下数据

year    date        wk  name       type    holiday closed_day
2017    2017-11-27  48  NA          NA      0         0
2017    2017-12-04  49  NA          NA      0         0
2017    2017-12-11  50  NA          NA      0         0
2017    2017-12-18  51  NA          NA      0         0
2017    2017-12-25  52  Christmas   closed  0         1
2017    2017-12-26  52  NA          NA      0         0
2017    2017-12-31  52  NewYearsEve holiday 1         0

如何使用dplyr获取

year    date        wk  holiday closed_day
2017    2017-11-27  48    0       0
2017    2017-12-04  49    0       0
2017    2017-12-11  50    0       0
2017    2017-12-18  51    0       0
2017    2017-12-25  52    1       1

请注意，我不需要名称或每周输入，如果一周中发生了假期或 closed_day（不是总和，只是布尔值）

【问题讨论】：

标签： r dplyr

【解决方案1】：

如果您对获得的year 和date 值的哪一个比较灵活，那么您可以使用：

library(dplyr)
df %>%
  group_by(wk) %>%
  summarize_at(vars(year, date, holiday, closed_day), funs(max(.)))
# # A tibble: 5 × 5
#      wk  year       date holiday closed_day
#   <int> <int>     <date>   <int>      <int>
# 1    48  2017 2017-11-27       0          0
# 2    49  2017 2017-12-04       0          0
# 3    50  2017 2017-12-11       0          0
# 4    51  2017 2017-12-18       0          0
# 5    52  2017 2017-12-31       1          1

否则

df %>%
  group_by(wk) %>%
  summarize(year = year[1], date = date[1],
            holiday = 1*any(holiday > 0),
            closed_day = 1*any(closed_day > 0))
# # A tibble: 5 × 5
#      wk  year       date holiday closed_day
#   <int> <int>     <date>   <dbl>      <dbl>
# 1    48  2017 2017-11-27       0          0
# 2    49  2017 2017-12-04       0          0
# 3    50  2017 2017-12-11       0          0
# 4    51  2017 2017-12-18       0          0
# 5    52  2017 2017-12-25       1          1

（我第二次对holiday 和closed_day 使用了稍微不同的方法，以防你有几周的时间使用“两者”并且只需要> 0 逻辑......在这种情况下，代码会更清晰 -明智/数据明智地保留它logical 而不是数字。）

【讨论】：

df%>%group_by(year,wk)%>%summarise_all(max)%>%select(-name,-type):-)
OP 专门说“每周一次”，所以我将其解释为跨年，所以group_by(year,wk) 也在分组很多。我建议你在 before summarize_all 之前执行select，虽然......它不会改变返回值，但是对于更大的数据集它可能会产生影响。
这很棒。它解决了我的问题。 date = date[1] 在做什么。
summarize 要求每个分配的长度为 1。如果我什么都不做，该字段将被删除。我不能做date（如transmute）或date=date，因为它们返回的长度可能大于1。将其视为一种汇总函数；你可以做max、mean等，你也可以有效地做“第一”和“最后”。

【解决方案2】：

如果您也对 data.table 方法感兴趣，我们可以这样做：

library(data.table)
setDT(df)[, .(date = date[1], holiday = any(holiday), closed = any(closed_day)), 
          by = .(year, wk)]

#    year wk       date holiday closed
# 1: 2017 48 2017-11-27   FALSE  FALSE
# 2: 2017 49 2017-12-04   FALSE  FALSE
# 3: 2017 50 2017-12-11   FALSE  FALSE
# 4: 2017 51 2017-12-18   FALSE  FALSE
# 5: 2017 52 2017-12-25    TRUE   TRUE

请注意，我按年和周汇总数据，假设您希望每年的每周都有单独的汇总。

【讨论】：

【解决方案3】：

试试这个：

library(dplyr)

df %>% 
  group_by(wk) %>% 
  mutate(holiday = max(holiday) > 0,
         closed_day = max(closed_day) > 0) %>% 
  distinct(wk, .keep_all = TRUE) %>% 
  select(year, date, wk, holiday, closed_day)

这给出了：

# A tibble: 5 x 5
# Groups:   wk [5]
   year       date    wk holiday closed_day
  <int>     <date> <int>   <lgl>      <lgl>
1  2017 2017-11-27    48   FALSE      FALSE
2  2017 2017-12-04    49   FALSE      FALSE
3  2017 2017-12-11    50   FALSE      FALSE
4  2017 2017-12-18    51   FALSE      FALSE
5  2017 2017-12-25    52    TRUE       TRUE

按wk分组
通过询问每个 holiday 和 closed_day 的最大值是否大于 0，将其变为逻辑。
返回不同的wk 值
选择所需的变量

【讨论】：

不，它会丢弃holiday。