Как получить общую сумму на основе определенных столбцов, содержащих одно и то же значение

В кадре данных есть столбцы code1, code2, code3 и т. д., в которых хранятся коды. Для каждого кода есть столбец с количеством использованных дней days_used1, days_used2, days_used3 и т. д. Я хочу получить фрейм данных, включающий столбец для каждого кода, в котором дни_использованы суммированы для каждого из значений в code.

data.frame(ID = c(1, 2, 3, 4, 5,6),
            code1 = c('D', 'D', 'C', 'A', 'G', "A"),
           quantity1 = c(10, 10, 15, 30, 20, 10),
           dose1 = c(5, 5, 15, 0.5, 2, 10), 
           days_used1 = c(NA, NA, 90, 63, 20, 50),
           code2 = c('A', 'H', 'D', 'G', 'A', "A"),
           quantity2 = c(5, 10, 10, 20, 20, 5),
           dose2 = c(0.1, 15, 15, 7, 5, 12), 
           days_used2 = c(15, NA, NA, 50, 20, 10),
           code3 = c('A', 'H', 'C', 'A', 'D', "D"),
           quantity3 = c(10, 10, 15, 30, 20, 10),
           dose3 = c(5, 5, 15, 0.5, 2, 10), 
           days_used3 = c(15, NA, NA, 50, 20, 10)
 )

Итак, я хочу, чтобы фрейм данных выглядел так:

data.frame(ID = c(1, 2, 3, 4, 5),
                  A= c(30, 0, 0, 20, 60),
                  D = c(0, 0, 0, 0, 20, 10),
                  C= c(0, 0, 90, 0, 20, 10),
                  G= c(0, 0, 0, 50, 20, 0),
                  H= c(0, 0, 0, 0, 0)
)

Я действительно не знаю, как мне это сделать. Я пробовал что-то вроде примера ниже, но это явно не работает.

ifelse(test[paste0("code",c(1:3))] == "A",
         sum(test[paste0("code",c(1:3)) == "A"]+1), 
         0)
     code1 code2 code3
[1,]     0     0     0
[2,]     0     0     0
[3,]     0     0     0
[4,]     0     0     0
[5,]     0     0     0
[6,]     0     0     0

r dataframe sum

23.04.2024 18:34

Стоит ли изучать PHP в 2026-2027 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Мы могли бы выполнить поворот, разделив имена столбцов по последнему символу, затем посчитать по идентификатору и коду и распределить это:

library(tidyverse)
df |>
  pivot_longer(-ID, names_to = c(".value", "obs"), names_sep = -1) |>
  count(ID, code, wt = days_used) |>
  pivot_wider(names_from = code, values_from = n, values_fill = 0)

Результат

# A tibble: 6 × 6
     ID     A     D     H     C     G
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     1    30     0     0     0     0
2     2     0     0     0     0     0
3     3     0     0     0    90     0
4     4   113     0     0     0    50
5     5    20    20     0     0    20
6     6    60    10     0     0     0

(подробнее объяснение)

После первого шага поворота мы получим

# A tibble: 18 × 4
      ID obs   code  days_used
   <dbl> <chr> <chr>     <dbl>
 1     1 1     D            NA
 2     1 2     A            15
 3     1 3     A            15
 4     2 1     D            NA
 5     2 2     H            NA
 6     2 3     H            NA
 7     3 1     C            90
 8     3 2     D            NA
 9     3 3     C            NA
10     4 1     A            63
11     4 2     G            50
12     4 3     A            50
13     5 1     G            20
14     5 2     A            20
15     5 3     D            20
16     6 1     A            50
17     6 2     A            10
18     6 3     D            10

Затем мы можем суммировать по идентификатору и коду. (В качестве альтернативы мы могли бы использовать ... |> summarize(n = sum(days_used), .by = c(ID, code)), но я предпочитаю синтаксис count(), когда мы просто суммируем группы.

# A tibble: 13 × 3
      ID code      n
   <dbl> <chr> <dbl>
 1     1 A        30
 2     1 D         0
 3     2 D         0
 4     2 H         0
 5     3 C        90
 6     3 D         0
 7     4 A       113
 8     4 G        50
 9     5 A        20
10     5 D        20
11     5 G        20
12     6 A        60
13     6 D        10

Между моим фреймом данных есть еще несколько столбцов, которые можно игнорировать (см. Редактирование). Также различается структура столбцов. Для первого шага я попробовал data |> pivot_longer(cols=c(p_id, starts_with("code"), starts_with("days_used")), values_transform = list(p_id = as.character, code= as.character, days_used = as.numeric)), но все равно получаю Can't combine p_id <character> and days_used1 <double>

— 24.04.2024 10:05

23.04.2024 19:11

Ответ принят как подходящий

library(data.table)

dcast(
      melt(setDT(test), id=1L,
           measure=patterns("^code", "^days"),
           value.name=c("Code", "Days"))[,
            .(sumDays = sum(Days, na.rm = T)), 
            .(ID, Code)],
      ID  ~ Code, value.var = c("sumDays"), fill = 0)

#>    ID   A  C  D  G H
#> 1:  1  30  0  0  0 0
#> 2:  2   0  0  0  0 0
#> 3:  3   0 90  0  0 0
#> 4:  4 113  0  0 50 0
#> 5:  5  20  0 20 20 0
#> 6:  6  60  0 10  0 0

^{Created on 2024-04-23 with reprex v2.0.2}

23.04.2024 19:32