将特定记录聚合/汇总到后续记录中答案

【问题标题】：Aggregating / rolling up specific records "into" subsequent records将特定记录聚合/汇总到后续记录中
【发布时间】：2021-09-21 14:32:15
【问题描述】：

我正在尝试将具有特定类型的记录聚合到后续记录中。

我有一个类似于以下的数据集：

df_initial <- data.frame("Id" = c(1, 2, 3, 4, 5), 
                         "Qty" = c(105, 110, 100, 115, 120), 
                         "Type" = c("A", "B", "B", "A", "A"), 
                         "Difference" = c(30, 34, 32, 30, 34))

在对 Id 字段进行排序后，我想将 Type = "B" 的记录聚合到 type = "A" 的下一条记录中。

换句话说，我希望创建 df_new，它将 Id 2 和 3 的 Qty 和 Difference 值添加到 Id 4 的 Qty 和 Difference 值中，并标记 Id 4 正在调整（在字段AdjustedFlag）。

df_new <- data.frame("Id" = c(1, 4, 5), 
                     "Qty" = c(105, 325, 120), 
                     "Type" = c("A", "A", "A"), 
                     "Difference" = c(30, 96, 34), 
                     "AdjustedFlag" = c(0, 1, 0))

我非常感谢有关如何在 R 中执行此操作的任何建议或想法，最好使用 data.table。

【问题讨论】：

标签： r data.table

【解决方案1】：

data.table 解决方案：

df_initial[, .(
    Id = Id[.N], Qty = sum(Qty),
    Difference = sum(Difference),
    AdjustedFlag = +(.N > 1)
  ), by = .(grp = rev(cumsum(rev(Type == "A"))))
  ][, grp := NULL][]
#       Id   Qty Difference AdjustedFlag
#    <num> <num>      <num>        <int>
# 1:     1   105         30            0
# 2:     4   325         96            1
# 3:     5   120         34            0

【讨论】：

【解决方案2】：

这可以通过创建一个新的分组变量来解决，该变量将行分组到您描述的组中，其想法是利用该分组变量进行所需的聚合。

而不是拥有

A B B A A

新的分组变量应该如下所示：

1 2 2 2 3

这不是data.table 解决方案，但可以在此处应用相同的逻辑：

library(tidyverse)

df_initial |>
  mutate(
    type2 = ifelse(Type == "A", as.numeric(factor(Type)), 0),
    type2 = cumsum(type2),
    type2 = ifelse(Type == "B", NA, type2)
  ) |>
  fill(type2, .direction = "up") |>
  group_by(type2) |>
  summarise(
    id = max(Id),
    Qty = sum(Qty),
    Difference = sum(Difference),
    AdjustedFlag = as.numeric(n() > 1)
  )
#> # A tibble: 3 × 5
#>   type2    id   Qty Difference AdjustedFlag
#>   <dbl> <dbl> <dbl>      <dbl>        <dbl>
#> 1     1     1   105         30            0
#> 2     2     4   325         96            1
#> 3     3     5   120         34            0

【讨论】：

【解决方案3】：

使用tidyverse

df_initial %>% 
  mutate(gn = if_else(lag(Type, default = 'A') == 'B' | Type == 'B', 'B', Type), 
                      gr = cumsum(lag(gn, default = 'A') != gn),
                      adjusted = if_else(lag(Type, default = 'A') == 'B' | Type == 'B', 1, 0)) %>% 
                      group_by(gr) %>% 
  summarise(Id = last(Id),
            Qty = sum(Qty),
            Type = 'A', 
            Difference = sum(Difference), 
            Adjusted_flg = max(adjusted)) %>% ungroup()

在这里我们创建一个临时数据集，如下所示：

  Id Qty Type Difference gn gr  Adjusted
1  1 105    A         30  A  0         0
2  2 110    B         34  B  1         0
3  3 100    B         32  B  1         0
4  4 115    A         30  B  1         1
5  5 120    A         34  A  2         0

并使用它在summarise 中创建我们的最终表。 gr是表示一组值的列，这就是我们group_by它的原因。

【讨论】：