1

我有一个包含以下变量的数据集 - Bill_Number、Item_Name、Quantity。一个 Bill_Number 下可以有多个 Item_Name。我试图通过 Bill_Number 和 Quantity 来总结它，其中 Item_Names 被连接到每个账单编号的单个变量中。这里的解决方案：组合几个行变量适用于有限和预定义的框架（如下所示），但我有数百个 Item_Names。我确信有一种更简单的方法可以做到这一点。有人可以帮忙吗？

数据（仅样本）：

BillN<-c('B1','B1','B1','B1','B2','B2','B2','B2','B3','B3','B3','B3')

Item_Name<-c('Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D') # going on to Product(n)

Quantity<-c(1,2,1,2,1,2,1,1,1,2,1,1)

输出：使用ply::ddply

ddply(within(Dummy1, {
  Item_Name <- ifelse(Item_Name %in% c('Prod A','Prod B','Prod C'), 'Prod A + Prod B + Prod C', 'Prod D')
}), .(BillN, Item_Name), summarise, Count=sum(Quantity))

这取决于“Prod D”是一个单独的行，而我需要一个给定数量的所有产品和该账单号码的总数量的组合。

我需要的输出格式如下：

  • 比尔N | 物品名称 | 数量
  • B1 | 产品 A + 产品 B + 产品 C + 产品 D | 4
  • B2 | 产品 A + 产品 B + 产品 C + 产品 D | 4
  • B3 | 产品 A + 产品 B + 产品 C + 产品 D | 4

    • 而我从上面的代码中得到的输出是：

  • 比尔N | 物品名称 | 数量
  • B1 | 产品 A + 产品 B + 产品 C | 4
  • B1 | 产品 D | 2
  • B2 | 产品 A + 产品 B + 产品 C | 4
  • B2 | 产品 D | 2
  • B3 | 产品 A + 产品 B + 产品 C | 4
  • B3 | 产品 D | 2

    • 扩展场景，如果我有更多变量，例如每个 Item_Name 的 Brand、Category、Sub_category 和 Sales_Amount 作为数字变量来进一步求和，会发生什么？

    如果您需要更多信息或有疑问，请告诉我。

    谢谢，拉乌尔

    4

    2 回答 2

    1

    这是使用data.table包的快速解决方案：

    步骤 1：创建data.table

    library(data.table)

DT <- data.table(
  BillN=c('B1','B1','B1','B1','B2','B2','B2','B2','B3','B3','B3','B3'),
  Item_Name=c('Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D','Prod A','Prod B','Prod C','Prod D'), # going on to Product(n)
  Quantity=c(1,2,1,2,1,2,1,1,1,2,1,1)
)

    Step2：设置合适的key：

    setkey(DT,BillN)

    步骤 3：确保字符串向量Item_Name不是factor.

    DT[,Item_Name := as.character(Item_Name)]

    Step4：执行操作key

    DT[,list(Item_Name =paste(Item_Name,collapse=" + "),
         Quantity=sum(Quantity)),
   by=key(DT)]

    您可以按原样使用结果，也可以折叠每一行！这很简单！

    于 2014-04-23T02:39:08.050 回答
    0

    这是一个示例，将Quantity变量 byBillN和BillNs 的计数与您的预期输出相加：

    Dummy1 <- data.frame(BillN, Item_Name, Quantity)

ldply(by(Dummy1, Dummy1$BillN, simplify=TRUE, FUN=function(x) {

  BillN <- x[1,]$BillN
  Quantity <- sum(x$Quantity)
  Item_Name <- paste(as.character(unique(x$Item_Name)), sep="", collapse=" + ")
  BillCt <- nrow(x)

  return(data.frame(BillN, Item_Name, Quantity, BillCt))

}))[2:5]

##  BillN                         Item_Name Quantity BillCt
## 1    B1 Prod A + Prod B + Prod C + Prod D        6      4
## 2    B2 Prod A + Prod B + Prod C + Prod D        5      4
## 3    B3 Prod A + Prod B + Prod C + Prod D        5      4
    于 2014-04-23T02:38:11.170 回答