将汇总数据转换为Tidy格式

Question

我已经汇总了我试图以“整洁”格式获得的数据。这是一个数据示例。1级=同一组中所有2级或3级项目的总和。

光源(2)是电气(1)的子构件。配线(3)和灯泡(3)是光源(2)的子组件，依此类推。

200电气= 82盏灯+ 118个通风口

或者可以将其分解为：

200电气= 60根电线+ 22个灯泡+ 60个探测器+ 20根电缆+ 25根塑料+ 13个支架

Level   Group    Name     Price
1        01    Electrical  200
2        01    Lights      82
3        01    Wiring      60
3        01    Bulbs       22
2        01    Vent        118
3        01    Detector    60
3        01    Cable       20
3        01    Plastic     25
3        01    Brackets    13

1        02    Interior    500
2        02    Doors       300
3        02    Knobs       40
2        02    Trim        200
3        02    Shelves     150
4        02    Brackets    50     

然后，对组02 (内部)重复该过程。我正在尝试以一种整洁/更可行的格式获得这些数据，这样我就可以做一些分析，而不需要重复或三次计算每件商品的价格。电气(200)和内部(500)的总和应为700。但是当我对我的Price列求和时，我们得到1840，因为项目被多次计算。

Answer 1

不是tidyverse，但数据可以转换为data.tree和图形格式，这些格式具有处理树和图形的功能，也可以用于转换为其他格式，例如as.list( nn )，其中nn是下面定义的data.tree节点对象是嵌套列表表示。有关可复制形式的输入数据，请参阅末尾的注释。

library(data.tree)
library(sqldf)
library(yaml)

# compute parents
DF2 <- sqldf("select a.*, max(b.rowid) parent
  from DF a
  left join DF b on b.Level = a.Level - 1 and b.rowid < a.rowid
  group by a.rowid")
# leaves are those rows that are not a parent
leaves <- setdiff(1:nrow(DF2), DF2$parent)

# format as a yaml string and then read the yaml into a data tree node structure
s <- sapply(1:nrow(DF2), function(i) with(DF2[i, ], paste(
       if (Level == 1) paste0("Group-", Group, ":\n"), 
       strrep(" ", Level), 
       paste0(i, Name),
       ":", 
       if (i %in% leaves) paste("\n", strrep(" ", Level), "  Price:", Price)
     )))
y <- yaml.load(unlist(strsplit(s, "\n")))
nn <- as.Node(y)
print(nn, "Price")

给予(输出后继续)

                        levelName Price
1  Root                              NA
2   ¦--Group-1                       NA
3   ¦   °--1Electrical               NA
4   ¦       ¦--2Lights               NA
5   ¦       ¦   ¦--3Wiring           60
6   ¦       ¦   °--4Bulbs            22
7   ¦       °--5Vent                 NA
8   ¦           ¦--6Detector         60
9   ¦           ¦--7Cable            20
10  ¦           ¦--8Plastic          25
11  ¦           °--9Brackets         13
12  °--Group-2                       NA
13      °--10Interior                NA
14          ¦--11Doors               NA
15          ¦   °--12Knobs           40
16          °--13Trim                NA
17              °--14Shelves         NA
18                  °--15Brackets    50

我们也可以转换成一个字形对象。

library(igraph)
set.seed(123)

g <- as.igraph(nn)
plot(g, vertex.shape = "none", vertex.label.cex = 0.7)

​

​

备注

Lines <- "Level   Group    Name     Price
1        01    Electrical  200
2        01    Lights      82
3        01    Wiring      60
3        01    Bulbs       22
2        01    Vent        118
3        01    Detector    60
3        01    Cable       20
3        01    Plastic     25
3        01    Brackets    13
1        02    Interior    500
2        02    Doors       300
3        02    Knobs       40
2        02    Trim        200
3        02    Shelves     150
4        02    Brackets    50"
DF <- read.table(text = Lines, header = TRUE)

Answer 2

一种data.table方法

像split shou；这样的东西可以帮你入门。

示例数据

library(data.table)
DT <- fread("Level   Group    Name     Price
1        01    Electrical  200
2        01    Lights      82
3        01    Wiring      60
3        01    Bulbs       22
2        01    Vent        118
3        01    Detector    60
3        01    Cable       20
3        01    Plastic     25
3        01    Brackets    13
1        02    Interior    500
2        02    Doors       300
3        02    Knobs       40
2        02    Trim        200
3        02    Shelves     150
4        02    Brackets    50 ")

代码

split(DT, by = c("Group", "Level"))

输出(列表)

$`1.1`
   Level Group       Name Price
1:     1     1 Electrical   200

$`1.2`
   Level Group   Name Price
1:     2     1 Lights    82
2:     2     1   Vent   118

$`1.3`
   Level Group     Name Price
1:     3     1   Wiring    60
2:     3     1    Bulbs    22
3:     3     1 Detector    60
4:     3     1    Cable    20
5:     3     1  Plastic    25
6:     3     1 Brackets    13

$`2.1`
   Level Group     Name Price
1:     1     2 Interior   500

$`2.2`
   Level Group  Name Price
1:     2     2 Doors   300
2:     2     2  Trim   200

$`2.3`
   Level Group    Name Price
1:     3     2   Knobs    40
2:     3     2 Shelves   150

$`2.4`
   Level Group     Name Price
1:     4     2 Brackets    50