从特定列开始，根据R中的条件向上遍历到特定数量的列

Question

我有以下数据的宽格式，每行代表一个展厅，季度是从哪个季度展厅开始销售和开始年度是财政年度的开始。

Code    Quarter StartingYear Quarter1_Num.FY16-17 Quarter2_Num.FY16-17 Quarter3_Num.FY16-17 Quarter4_Num.FY16-17 Quarter1_Num.FY17-18 Quarter2_Num.FY17-18 Quarter3_Num.FY17-18 Quarter4_Num.FY17-18 
S2249       2   FY16-17         0                       23                  0                   0                   2                       0                   6                   0
S463        3   FY17-18         0                       0                   4                   0                   0                       4                   90                  8                                                                               

对于每个代理，我必须从基于季度和开始年份的列开始(row1的第2季度_NU.FY 16-17)，并覆盖一年的时间，在这种情况下，这意味着第2季度_数字。可以看到，列名是基于季度和StartingYear的。

我想得到的是：

Code    Quarter1_Starting_Num Quarter2_Starting_Num Quarter3_Starting_Num Quarter4_Starting_Num Quarter5_Starting_Num
S2249       23                  0                       0                   2                       0
S463        4                   0                       0                   4                       90  

在展厅开始后，这些栏目记录了整个季度的数据。

我知道使用gsub可以得到包含FY16-17或FY17-18的列。但是，我不知道如何为每一行指定起始列，然后为N行指定遍历。

有人能帮我吗？

Answer 1

首先，我们将数据集从wide传输到long，然后进行计算和筛选，最后将其转换回wide格式。

library(dplyr)
library(tidyr)
gather(df, k,val,-c(Code,Quarter,StartingYear)) %>% 
mutate(Quar=gsub('Quarter(\\d)_.*','\\1',k),year=gsub('Quarter\\d_Num\\.(.*)\\.(.*)','\\1-\\2',k)) %>% 
arrange(Code) %>% group_by(Code) %>% 
mutate(flag=cumsum(cumsum(Quarter==Quar & StartingYear==year)), Quarter1=paste0('Quarter',flag,'_Starting_Num')) %>% 
filter(between(flag,1,5)) %>% select(Code,Quarter1,val) %>% spread(Quarter1,val)

# A tibble: 2 x 6
# Groups:   Code [2]
   Code  Quarter1_Starting_Num Quarter2_Starting_Num Quarter3_Starting_Num Quarter4_Starting_Num Quarter5_Starting_Num
  <fct>                 <int>                 <int>                 <int>                 <int>                 <int>
1 S2249                    23                     0                     0                     2                     0
2 S463                      4                     0                     0                     4                    90

数据

df <- structure(list(Code = structure(1:2, .Label = c("S2249", "S463"
), class = "factor"), Quarter = 2:3, StartingYear = structure(c(1L, 
1L), .Label = "FY16-17", class = "factor"), Quarter1_Num.FY16.17 = c(0L, 
0L), Quarter2_Num.FY16.17 = c(23L, 0L), Quarter3_Num.FY16.17 = c(0L, 
4L), Quarter4_Num.FY16.17 = c(0L, 0L), Quarter1_Num.FY17.18 = c(2L, 
0L), Quarter2_Num.FY17.18 = c(0L, 4L), Quarter3_Num.FY17.18 = c(6L, 
90L), Quarter4_Num.FY17.18 = c(0L, 8L)), class = "data.frame", row.names = c(NA, 
-2L))

PS:我将S463 3 FY17-18更改为S463 3 FY16-17以匹配预期的输出，您可以保留S463 3 FY17-18，但是您将获得Q3到Q5的NAs

gsub('Quarter(\\d)_.*','\\1',c('Quarter1_Num.FY16.17','Quarter4_Num.FY17.18'))
[1] "1" "4"

​

• 'Quarter(\\d)_.*'对一个数字进行分组，即季度后和之前的1-9，然后使用\\1返回该组。 gsub(‘Quarter\d_Num\.(.*)\(.*)’，‘1-\2’，c(‘Quarter1_Num.FY 16.17’，‘Quarter4_Num.FY17.18’)1 "FY16-17“”18 17-18“
• \\.跳过一个逐个季度的字面点，后面跟着一个digit_Num。在正则表达式中，我们使用.跳过特殊字符(如\\ )。
• (.*)组，在一个组中，在一个组中，在下一个点之后和下一个点之前的任何东西，即FY16和FY17。gsub将把这看作是第一组
• \\.跳过文字点
• (.*)组在一组( 17和18 )点后的任何一组，gsub将将其视为第2组。
• \\1-\\2返回组1和组2被-分离，即by 16-17