基于另一列的值，仅聚合特定行

Question

我有这个数据集

  CASHPOINT_ID         DT     status   QT_REC
1   N053360330 2016-01-01 end_of_day      5
2   N053360330 2016-01-01 end_of_day      2
3   N053360330 2016-01-02 before          9
4   N053360330 2016-01-02 before         NA
5   N053360330 2016-01-03 end_of_day     16
6   N053360330 2016-01-03 end_of_day     NA

我希望聚合仅不具有状态标记为"before"的行，并保持其他行不受影响。生成的数据集应如下所示：

 CASHPOINT_ID         DT     status       QT_REC
    1   N053360330 2016-01-01 end_of_day      7
    3   N053360330 2016-01-02 before          9
    4   N053360330 2016-01-02 before         NA
    5   N053360330 2016-01-03 end_of_day     16

谢谢。

- Marco Fumagalli

Answer 1

使用 data.table

假设您的原始数据称为dt并已经进行了setDT()，那么您可以执行以下操作：

df <- rbind(
  dt[status == "end_of_day", .(QT_REC = sum(QT_REC, na.rm = TRUE)), 
     by = .(CASHPOINT_ID, DT, status)],
  dt[status != "end_of_day"]
)[order(DT)]

print(df)
   CASHPOINT_ID         DT     status QT_REC
1:   N053360330 2016-01-01 end_of_day      7
2:   N053360330 2016-01-02     before      9
3:   N053360330 2016-01-02     before     NA
4:   N053360330 2016-01-03 end_of_day     16

- s_baldur

Answer 2

这是使用dplyr的解决方案。

    library(dplyr)
    df %>%  
          group_by(floor_date(DT, "day"),status) %>% 
          summarise(QT_REC = sum(QT_REC, na.rm = T))

- Megha John

---

什么是 floor_date() 函数？ - s_baldur

这是来自lubridate包的函数。 我使用它是因为，如果精确到秒，我将无法按日期进行分组。所使用的单位是day。 - Megha John

也许在这里更容易的方法是将其视为一个字符？ - s_baldur

Answer 3

另一种基于plyr的解决方案：

ddply(.data = df,.variables = c('CASHPOINT_ID','DT','status'),
function(t){
    if(t$status[1]!='before'){
        unique(mutate(t,QT_REC=sum(QT_REC,na.rm=TRUE)))
    }else{
        t
    }
})

#  CASHPOINT_ID          DT     status QT_REC
#1   N053360330  2016-01-01 end_of_day      7
#2   N053360330  2016-01-02     before      9
#3   N053360330  2016-01-02     before     NA
#4   N053360330  2016-01-03 end_of_day     16

- tushaR