如何从R中的多个in中获取独占和总计数

Question

我在R中有下面提到的数据帧。

CusID     Date                   Type        LogCat             PriceCode
C-1       2021-01-02 14:13:10    Demo                           
C-2       2021-01-02 13:17:07    Pro         SPR, DET, RTD      KR
C-2       2021-01-02 14:15:10    Pro         SPR, DET, RTD      SR
C-2       2021-01-02 16:14:08    Pro         SPR, DET, RTD      DE
C-3       2021-01-02 17:11:03    Pro         DET                KL
C-3       2021-01-02 12:14:24    Pro         DET                ZT
C-3       2021-01-02 12:33:34    Pro         DET                KR
C-4       2021-01-02 10:43:55    Pro                            KR
C-5       2021-01-03 20:23:35    Pro         SPR, RTD           KR

Dupt<-

structure(list(CustID = c("C-1", "C-2", 
"C-2", "C-2", "C-3", "C-3", 
"C-3", "C-4", "C-5"), DATE = c("2021-01-02 14:13:10", "2021-01-02 13:17:07", "2021-01-02 14:15:10", "2021-01-02 16:14:08", "2021-01-02 17:11:03", "2021-01-02 12:14:24", "2021-01-02 12:33:34", "2021-01-02 10:43:55", "2021-01-03 20:23:35"), TYPE = c("Demo", 
"Pro", "Pro", "Pro", "Pro", "Pro", "Pro", "Pro", "Pro"
), LogCat = c(NA, "SPR,DET,RTD", "SPR,DET,RTD", "SPR,DET,RTD", 
"DET", "DET", "DET", NA, " SPR, RTD "), PriceCode = c(NA,"KR", "SR", "DE", "KL", "ZT", "KR", "KR", "KR")), class = "data.frame", row.names = c(NA, 
-9L))

通过使用上述dataframe，我需要根据日期和月份创建以下两个不同的输出dataframe。例如，假设日期为2021-01-02。

所需数据帧1<-

Total         4        100.00%
Demo          1        25.00%
Pro           3        75.00%

对于所需的数据帧2，我们只需要考虑Type不等于Demo的那些CusID。我们需要获得这样的CustId的LogCat和PriceCode的以下计数。这里要注意的是，LogCat和PriceCode中的值不是标准的，并且可以根据日期进行更改，因此我们不能对其进行硬编码。

这里的要求是对于每个唯一的CustID，对LogCate和PriceCode中提到的值进行唯一计数。

例如，DET文本在CustID C-3中唯一可用，没有任何其他逗号分隔值，类似地，KR文本在CustID C-4中唯一可用，在ProceCode列中没有该特定(C-4) CustID的任何其他值。

与每个唯一LogCat和PriceCode值连接在一起的(All)表示它已经与特定列中的其他值组合在一起。

最后一个NA列是静态的，只有当有一些CustID没有LogCat和PRO值，但仍然有Type作为PriceCode时才是静态的。

所需数据帧2<-

LogCat            Count        %          PriceCode       Count        %
SPR               0            0.00%      KR              1            50.00%
SPR (All)         1            50.00%     KR (All)        3            100.00%
DET               1            50.00%     SR              0            0.00%
DET (All)         2            100.00%    SR (All)        1            33.33%
RTD               0            0.00%      DE              0            0.00%
RTD (All)         1            50.00%     DE (All)        1            33.33%
Blank             1            33.33%     ZT              0            0.00%
-                 -            -          ZT (All)        1            33.33%
-                 -            -          KL              0            0.00%
-                 -            -          KL (All)        1            33.33%
-                 -            -          Blank           0            0.00%
Both Blank        0            0.00%      -               0            0.00%

Answer 1

对于第一部分，库janitor将是有用的(即使对于第二部分)

第一部分

library(tidyverse)
library(janitor)
df %>% mutate(DATE = as.Date(DATE)) %>% select(1:3) %>%
  unique() %>%
  tabyl(TYPE, DATE) %>%
  adorn_totals("row") %>%
  adorn_percentages("col") %>%
  adorn_pct_formatting(2) %>%
  adorn_ns("front")

  TYPE  2021-01-02  2021-01-03
  Demo 1  (25.00%) 0   (0.00%)
   Pro 3  (75.00%) 1 (100.00%)
 Total 4 (100.00%) 1 (100.00%)