R help - функция для нескольких столбцов фрейма данных
Я хотел бы использовать функцию, чтобы повторить набор процедур для четырех столбцов в кадре данных. В конечном итоге мне нужен длинный фрейм данных, содержащий все выходные данные. Вот мой фрейм данных:
> sample_data
# A tibble: 10 x 7
REVENUEID AMOUNT YEAR REPORT_CODE PAYMENT_METHOD INBOUND_CHANNEL AMOUNT_CAT
<chr> <dbl> <chr> <chr> <chr> <chr> <fctr>
1 rev-24985629 30 FY18 S Check Mail [25,50)
2 rev-22812413 1 FY16 Q Other Canvassing [0.01,10)
3 rev-23508794 100 FY17 Q Credit card Web [100,250)
4 rev-23506121 300 FY17 S Credit card Mail [250,500)
5 rev-23550444 100 FY17 S Credit card Web [100,250)
6 rev-21508672 25 FY14 J Check Mail [25,50)
7 rev-24981769 500 FY18 S Credit card Web [500,1e+03)
8 rev-23503684 50 FY17 R Check Mail [50,75)
9 rev-24982087 25 FY18 R Check Mail [25,50)
10 rev-24979834 50 FY18 R Credit card Web [50,75)
Вот мой код:
AMOUNT_CAT<- sample_data %>% group_by(AMOUNT_CAT,YEAR) %>% summarize(num=n(),total=sum(AMOUNT)) %>% rename(REPORT_VALUE=AMOUNT_CAT) %>% mutate(REPORT_CATEGORY="AMOUNT_CAT")
INBOUND_CHANNEL<- sample_data %>% group_by(INBOUND_CHANNEL,YEAR) %>% summarize(num=n(),total=sum(AMOUNT)) %>% rename(REPORT_VALUE=INBOUND_CHANNEL) %>% mutate(REPORT_CATEGORY="INBOUND_CHANNEL")
PAYMENT_METHOD<- sample_data %>% group_by(PAYMENT_METHOD,YEAR) %>% summarize(num=n(),total=sum(AMOUNT)) %>% rename(REPORT_VALUE=PAYMENT_METHOD) %>% mutate(REPORT_CATEGORY="PAYMENT_METHOD")
REPORT_CODE<- sample_data %>% group_by(REPORT_CODE,YEAR) %>% summarize(num=n(),total=sum(AMOUNT)) %>% rename(REPORT_VALUE=REPORT_CODE) %>% mutate(REPORT_CATEGORY="REPORT_CODE")
final_product<-bind_rows(REPORT_CODE,PAYMENT_METHOD,INBOUND_CHANNEL,AMOUNT_CAT)
Вот конечный продукт этого кода:
> final_product
# A tibble: 27 x 5
# Groups: REPORT_VALUE [16]
REPORT_CATEGORY REPORT_VALUE YEAR num total
<chr> <chr> <chr> <int> <dbl>
1 REPORT_CODE J FY14 1 25
2 REPORT_CODE Q FY16 1 1
3 REPORT_CODE Q FY17 1 100
4 REPORT_CODE R FY17 1 50
5 REPORT_CODE R FY18 2 75
6 REPORT_CODE S FY17 2 400
7 REPORT_CODE S FY18 2 530
8 PAYMENT_METHOD Check FY14 1 25
9 PAYMENT_METHOD Check FY17 1 50
10 PAYMENT_METHOD Check FY18 2 55
# ... with 17 more rows
Вот моя попытка сжать код, чтобы сделать его умнее и эффективнее (он не работает):
cat.list <- c("REPORT_CODE","PAYMENT_METHOD","INBOUND_CHANNEL","AMOUNT_CAT")
repeat_procs <- lapply(cat.list, function(x) x <- sample_data %>% group_by(x,YEAR) %>% summarize(num=n(),total=sum(AMOUNT)) %>% rename(REPORT_VALUE=x) %>% mutate(REPORT_CATEGORY="x")
Может кто-нибудь, пожалуйста, посоветуйте мне, как написать "умный" код, который повторяется не так часто?
Спасибо!
3 ответа
Вам нужно разобрать строки по символам (rlang::sym) и удалите их в кавычки group_by а также rename как следующее. Стоит отметить, что cat.list уже является строковым вектором, поэтому нет необходимости добавлять двойные кавычки x в mutate:
library(dplyr)
library(rlang)
cat.list <- c("REPORT_CODE","PAYMENT_METHOD","INBOUND_CHANNEL","AMOUNT_CAT")
repeat_procs <- lapply(cat.list, function(x){
final_data <- sample_data %>%
group_by(!!sym(x), YEAR) %>%
summarize(num=n(),total=sum(AMOUNT)) %>%
rename(REPORT_VALUE=!!sym(x)) %>%
mutate(REPORT_CATEGORY=x)
}) %>%
bind_rows()
Результат:
> repeat_procs
# A tibble: 27 x 5
# Groups: REPORT_VALUE [16]
REPORT_VALUE YEAR num total REPORT_CATEGORY
<chr> <fctr> <int> <int> <chr>
1 J FY14 1 25 REPORT_CODE
2 Q FY16 1 1 REPORT_CODE
3 Q FY17 1 100 REPORT_CODE
4 R FY17 1 50 REPORT_CODE
5 R FY18 2 75 REPORT_CODE
6 S FY17 2 400 REPORT_CODE
7 S FY18 2 530 REPORT_CODE
8 Check FY14 1 25 PAYMENT_METHOD
9 Check FY17 1 50 PAYMENT_METHOD
10 Check FY18 2 55 PAYMENT_METHOD
# ... with 17 more rows
Чтобы получить более "умный" код, необходимо преобразовать данные в форму "аккуратные данные" перед группировкой и суммированием.
data_tidy <-
tidyr::gather(sample_data, key = "REPORT_CATEGORY", value = "REPORT_VALUE", !! cat.list)
data_tidy
#> REVENUEID AMOUNT YEAR REPORT_CATEGORY REPORT_VALUE
#> 1 rev-24985629 30 FY18 REPORT_CODE S
#> 2 rev-22812413 1 FY16 REPORT_CODE Q
#> 3 rev-23508794 100 FY17 REPORT_CODE Q
#> 4 rev-23506121 300 FY17 REPORT_CODE S
#> 5 rev-23550444 100 FY17 REPORT_CODE S
#> 6 rev-21508672 25 FY14 REPORT_CODE J
#> 7 rev-24981769 500 FY18 REPORT_CODE S
#> 8 rev-23503684 50 FY17 REPORT_CODE R
#> 9 rev-24982087 25 FY18 REPORT_CODE R
#> 10 rev-24979834 50 FY18 REPORT_CODE R
#> 11 rev-24985629 30 FY18 PAYMENT_METHOD Check
#> 12 rev-22812413 1 FY16 PAYMENT_METHOD Other
#> 13 rev-23508794 100 FY17 PAYMENT_METHOD Credit card
#> 14 rev-23506121 300 FY17 PAYMENT_METHOD Credit card
#> 15 rev-23550444 100 FY17 PAYMENT_METHOD Credit card
#> 16 rev-21508672 25 FY14 PAYMENT_METHOD Check
#> 17 rev-24981769 500 FY18 PAYMENT_METHOD Credit card
#> 18 rev-23503684 50 FY17 PAYMENT_METHOD Check
#> 19 rev-24982087 25 FY18 PAYMENT_METHOD Check
#> 20 rev-24979834 50 FY18 PAYMENT_METHOD Credit card
#> 21 rev-24985629 30 FY18 INBOUND_CHANNEL Mail
#> 22 rev-22812413 1 FY16 INBOUND_CHANNEL Canvassing
#> 23 rev-23508794 100 FY17 INBOUND_CHANNEL Web
#> 24 rev-23506121 300 FY17 INBOUND_CHANNEL Mail
#> 25 rev-23550444 100 FY17 INBOUND_CHANNEL Web
#> 26 rev-21508672 25 FY14 INBOUND_CHANNEL Mail
#> 27 rev-24981769 500 FY18 INBOUND_CHANNEL Web
#> 28 rev-23503684 50 FY17 INBOUND_CHANNEL Mail
#> 29 rev-24982087 25 FY18 INBOUND_CHANNEL Mail
#> 30 rev-24979834 50 FY18 INBOUND_CHANNEL Web
#> 31 rev-24985629 30 FY18 AMOUNT_CAT [25,50)
#> 32 rev-22812413 1 FY16 AMOUNT_CAT [0.01,10)
#> 33 rev-23508794 100 FY17 AMOUNT_CAT [100,250)
#> 34 rev-23506121 300 FY17 AMOUNT_CAT [250,500)
#> 35 rev-23550444 100 FY17 AMOUNT_CAT [100,250)
#> 36 rev-21508672 25 FY14 AMOUNT_CAT [25,50)
#> 37 rev-24981769 500 FY18 AMOUNT_CAT [500,1e+03)
#> 38 rev-23503684 50 FY17 AMOUNT_CAT [50,75)
#> 39 rev-24982087 25 FY18 AMOUNT_CAT [25,50)
#> 40 rev-24979834 50 FY18 AMOUNT_CAT [50,75)
data_tidy %>%
group_by(REPORT_CATEGORY, REPORT_VALUE, YEAR) %>%
summarise(num = n(), total = sum(AMOUNT)) %>%
ungroup()
#> # A tibble: 27 x 5
#> REPORT_CATEGORY REPORT_VALUE YEAR num total
#> <chr> <chr> <chr> <int> <int>
#> 1 AMOUNT_CAT [0.01,10) FY16 1 1
#> 2 AMOUNT_CAT [100,250) FY17 2 200
#> 3 AMOUNT_CAT [25,50) FY14 1 25
#> 4 AMOUNT_CAT [25,50) FY18 2 55
#> 5 AMOUNT_CAT [250,500) FY17 1 300
#> 6 AMOUNT_CAT [50,75) FY17 1 50
#> 7 AMOUNT_CAT [50,75) FY18 1 50
#> 8 AMOUNT_CAT [500,1e+03) FY18 1 500
#> 9 INBOUND_CHANNEL Canvassing FY16 1 1
#> 10 INBOUND_CHANNEL Mail FY14 1 25
#> # ... with 17 more rows
purrr добавлен подход, чтобы сделать ваш код немного лаконичнее и smarter,
library(tidyverse)
library(rlang)
cat.list <- c("REPORT_CODE","PAYMENT_METHOD","INBOUND_CHANNEL","AMOUNT_CAT")
map_df(cat.list,
function(report_cat) {
sample_data %>%
group_by(!!sym(report_cat), YEAR) %>%
summarize(num=n(),total=sum(AMOUNT)) %>%
rename(REPORT_VALUE = !!sym(report_cat)) %>%
mutate(REPORT_CATEGORY = report_cat)
}
)
Как Хэдли описывает здесь (примерно на полпути):
map_df(x, f)фактически так же, какdo.call("rbind", lapply(x, f))но под капотом гораздо эффективнее.
Полное раскрытие, спасибо @useR за показ мне, как использовать sym(!!() подход. Я загнал себя в угол, используя Programming in Dplyr виньетка, чтобы построить то, что я считал самым современным подходом к функционализации dplyr, Я получил основной dplyr функция для запуска достаточно гладко, используя var <- enquo(var) затем !!var но я не смог найти способ справиться с запуском указанных имен в cat.list через map_df или же lapply, Спасибо, useR за то, что научили меня лучше кодировать в Tidyverse
Редактировать: Спасибо, Дж. Гротендик, за то, что разблокировал, как получить список строк, которые будут плавно приняты функцией dplyr: здесь
Это позволяет мне завершить альтернативный quosured подход, который я разработал ранее:
report <- function(report_cat){
report_cat <- enquo(report_cat)
sample_data %>%
group_by(!!report_cat, YEAR) %>%
summarize(num=n(),total=sum(AMOUNT)) %>%
rename(REPORT_VALUE = !!report_cat) %>%
mutate(REPORT_CATEGORY := as.character(quote(!!report_cat))[2])
}
report_named <- function(x) {do.call("report", list(as.name(x)))}
map_df(cat.list, report_named)
> map_df(cat.list, report_named) # A tibble: 27 x 5 # Groups: REPORT_VALUE [16] REPORT_VALUE YEAR num total REPORT_CATEGORY <chr> <chr> <int> <int> <chr> 1 J FY14 1 25 REPORT_CODE 2 Q FY16 1 1 REPORT_CODE 3 Q FY17 1 100 REPORT_CODE 4 R FY17 1 50 REPORT_CODE 5 R FY18 2 75 REPORT_CODE 6 S FY17 2 400 REPORT_CODE 7 S FY18 2 530 REPORT_CODE 8 Check FY14 1 25 PAYMENT_METHOD 9 Check FY17 1 50 PAYMENT_METHOD 10 Check FY18 2 55 PAYMENT_METHOD # ... with 17 more rows
NB: опрятное решение yutannihilation действительно является оптимальным решением ИМХО - я просто использовал это как возможность расширить мое понимание того, как мы можем продвигаться по принципу разделения, применения, объединения, чтобы включить dplyr функции.