操作嵌套数据 2

Question

我是 r 的新手，在以分析所需的方式处理数据时遇到了一些麻烦。如果有人能提供帮助，我将不胜感激，因为这对我的研究至关重要。

我已经问过一个类似的问题，但我得到的答案并没有完全解决我的问题，这次我会尝试更清楚，看看是否有人可以提供帮助。

我的数据看起来像这样：

df<- data.frame(
"Reporter" = c("USA", "USA", "USA", "USA", "USA","USA"),
"Partner" = c( "EU", "EU","EU","EU", "EU","EU"), 
"Product.cat" = c("1", "11", "111", "112", "12", "2"), 
"Product Description" = c("Food", "Fruit", "Apple", 
"Banana", "Meat", "Manifactured"),
"Year" = c(1970, 1970, 1970, 1970, 1970, 1970), 
"trade value" = c( 100, 50, 30, 20, 50, 220), 
stringsAsFactors = FALSE)

我对贸易有国家/地区年度观察。 向量'product.cat'表示出口的商品种类。 product.cat 的位数越多，交易信息的分解就越多。 例如 product.cat. 111（例如苹果）和 112（例如香蕉）是产品类别 11（例如水果）的子产品类别。 这同样适用于更高级别的聚合。产品类别 11（水果）是 product.cat 1（食品）和 product.cat 12（肉类）的子类别。 需要注意的是，较低类别的数据嵌套在较高级别的聚合中。因此 product.cat 11 (50) 的值等于 product.cat 111 (30) + product.cat 112 的值(20)。

为了进行我的分析，我需要确定那些未在最分解的可能级别上报告的值 - 即 我需要确定未在 3 位级别报告的数据。

我的问题是，对于某些国家/地区年度观察，我有准确报告所有汇总级别的数据（例如 1,11,111,112），而对于其他人，我只有更高级别汇总的数据（例如 12 和 2）。例如，在我的示例中，我只有 product.cat 12（肉），但没有关于什么样的肉 product.cat 121（猪肉）的数据，product.cat 122（小牛肉）。 同样，在示例中，product.cat 2（制造）的数据未在较低级别报告。 我们不知道是 product.cat 21（服装）还是 product.cat 22（木制品）。

换句话说，我有可以在 3 位级别报告的 2 位 (12) 或第一位 (2) 级别的数据。 请注意，每个类别都应按 3 级数字进行分类

• 我想做的是找到一种方法来对所有数据进行个体化 独家 在更高级别的聚合和报告中 /em> 更改他们的 product.cat 名称，在末尾添加一个“m”。
• 操作后 product.cat 12 应该变成* 12m 表示数据仅在第 2 位报告。 同样，我想识别在第一位报告的出口 仅 。 product.cat 2 应该变成 2mm 以反映数据只报告在第一位。

可以肯定的是，只有我在更高级别的聚合中专门拥有信息的数据——即在示例 12 和 2 中——才应该包含“m”。 例如，在示例中，我不想使用 1mm，因为我有较低聚合级别的数据 (11,12)。同样，我不希望有 11m，因为我有较低聚合级别的数据 (111,112)。我想要的是 12m 和 2mm，因为数据仅在更高级别的聚合（12 和 2）上报告。

我知道这是一个非常具体的问题，但如果有人能提供帮助，我将不胜感激。

注意：在真实数据集中，由于测量误差，分解值的总和并不总是完美地相加到更高级别的聚合。 （例如，111+112 可以 > 11）。因此，理想情况下，为了解决这个问题，我正在寻找一个能够根据除以国家、合作伙伴、年份的位数而不是交易价值的总和来指定何时添加 m 的函数。

我真的很感谢所有能给我帮助的人，这对我的研究来说将是一个巨大的进步。

---- 更新

我一直在研究这个功能，但它似乎没有达到我想要的效果。也许有人可以找出问题所在

fillLevel <- function(x, width = 3, fill = "m"){
sp <- split(x, substr(x, 1, 1))
sp <- lapply(seq_along(sp), function(i){
n <- nchar(sp[[i]])
if(all(n < 3)){
  j <- which(n == max(n))
  sp[[i]][j] <- gsub(" ", "m", formatC(sp[[i]][j], width = -3))
}
sp[[i]]
})
unname(unlist(sp))
}

df <- df%>% mutate(prdcat2 = fillLevel(df$Product.cat.))

最好的

Answer 1

这应该可行。请注意，其中带有空格的列名略有更改（“Product cat.”到“Product.cat.”等）

df <- df %>%
      mutate(Product.cat. = case_when(nchar(Product.cat.) == 1 ~ paste0(Product.cat.,'mm'),
                                nchar(Product.cat.) == 2 ~ paste0(Product.cat.,'m'),
                                TRUE ~ Product.cat.))