在R中根据设定的限制赋值

Question

我有一个店铺列表，其中存有不同商品的数量，还有一个仓库，里面存放着这些商品 - 这两个数据框是分开的。

Article <- c('a','b','a','b','c','d')
forecast <- c( 1,5,80,10,100,1000)
StoreID <- c(1,1,2,2,3,4)
StoreData <- data.frame(StoreID, Article, Order)

类似这样的：

StoreData
StoreID Article forecast
1       a        1
1       b        5
2       a       80
2       b       10
3       c      100
4       d     1000

仓储数据如下：

Stock <- c(10,11,12,100)
WarehouseData <- data.frame(Article, Stock)

WarehouseData
Article Stock
a    10
b    11
c    12
d   100

我的目标是有一个采购订单列。逻辑应该如下：对于 StoreData 表中的每一行，我必须查看 Warehouse 中物品的库存数量，如果足够，则批准 fcst，否则只批准可用数量。我的问题是，在批准数量时，可用库存在减少，我不知道如何考虑这个因素。

期望的结果如下：

StoreData
StoreID Article forecast PO
1       a        1        1
1       b        5        5
2       a       80        9
2       b       10        6
3       c      100       12
4       d     1000      100

请问有人知道如何正确地做到这一点吗？

- Pavel M

---

为什么a的第一个观测值的PO等于1（与预测相同），但c和d的第一个观测值与WarehouseData中的Stock相同？ - Sotos

你需要按顺序进行商店ID吗？例如，如果商店1对某个商品的预测用光了所有库存，则不会填充商店2的订单？ - Raad

@Sotos，这正是关键所在 - 如果仓库中有足够的数量，我必须在此列中批准预测。如果库存不足，我需要分配仓库中可用的库存，而不是预测。 - Pavel M

啊...好的，这很有道理。 - Sotos

@NBATrends 你说得没错。 - Pavel M

Answer 1

这里有另一种使用dplyr的方法：

library(dplyr)
left_join(storeData, WarehouseData, by = "Article") %>% 
  group_by(Article) %>% 
  mutate(PO = ifelse(cumsum(forecast) <= Stock, forecast, 
                     Stock - cumsum(forecast) + forecast)) %>% ungroup

#Source: local data frame [6 x 5]
#
#  StoreID Article forecast Stock    PO
#    (int)  (fctr)    (int) (dbl) (dbl)
#1       1       a        1    10     1
#2       1       b        5    11     5
#3       2       a       80    10     9
#4       2       b       10    11     6
#5       3       c      100    12    12
#6       4       d     1000   100   100

- talat

Answer 2

请看下面的循环示例：

StoreData$PO <- NA
for (i in 1:nrow(StoreData)) {
  query <- WarehouseData$Article == StoreData[i, "Article"]
  po <- ifelse(StoreData[i, "forecast"] > WarehouseData[query, 2], 
               WarehouseData[query, 2],
               StoreData[i, "forecast"])

  WarehouseData[query, 2] <- WarehouseData[query, 2] - po
  StoreData[i, "PO"] <- po
}

print(StoreData)
# StoreID Article forecast  PO
# 1       1       a        1   1
# 2       1       b        5   5
# 3       2       a       80   9
# 4       2       b       10   6
# 5       3       c      100  12
# 6       4       d     1000 100

这是另一种基于其他解决方案的替代方案，使用基本的R语言实现：

StoreData <- merge(StoreData, WarehouseData)
StoreData$PO <- do.call(c, lapply(split(StoreData, StoreData$Article), function(z) {
  ifelse(cumsum(z$forecast) <= z$Stock, z$forecast, 
         z$Stock - cumsum(z$forecast) + z$forecast) 
}))

以下是我用来重新创建您的数据集的内容，可能会对其他答案有所帮助：

StoreData <- read.table(text = "StoreID Article forecast
                        1       a        1
                        1       b        5
                        2       a       80
                        2       b       10
                        3       c      100
                        4       d     1000", header = T)


Article <- c('a','b','c','d')
Stock <- c(10,11,12,100)
WarehouseData <- data.frame(Article, Stock)

- Raad

---

非常感谢。现在我会尝试弄清楚它是如何工作的 :) - Pavel M