使用dplyr对分组进行总结

Question

我有一个如下所示的数据集：

BRAND  MEDIUM      W1   W2   W3   W4   W5

   B1   tv          1    0    1    0    2
   B2   tv          0    0    0    0    0
   B1   radio       0    1    2    5    3
   B1   tv          0    0    0    0    0
   B2   radio       0    4    1    1    1
   B1   newspapers  7    4    2    1    0

我需要做的是按品牌分组，并沿每列求和以形成由总和值组成的唯一行。此外，我也想显示每个子组中包含哪些媒介。

最终输出应为以下内容：

          W1    W2   W3   W4   W5  tv radio newspaper 

   B1      8    9    5    6    5   1   1       1
   B2      0    4    1    1    1   1   1       0

我很难找到解决这个问题的方法，特别是如何确定哪种媒介在该组中。

有什么建议或提示吗？

谢谢。

- 3nomis

Answer 1

也许已经有点晚了，但您仍可以尝试在不使用任何外部软件包的情况下进行管理，只需两个步骤：

首先按 BRAND 聚合 W... ：

# aggregate by brand, and not using the MEDIUM column:
one  <-   aggregate(. ~ BRAND, data = dats[,-2], sum) 

然后是媒介：

# frequencies
# EDIT HERE
# two <- as.data.frame.matrix(table(dats$BRAND,dats$MEDIUM))  
# replace with ones
# two[(two)>1] <- 1

# thanks to Ronak Shah
two <- data.frame(BRAND = unique(dats$BRAND), +(table(dats$BRAND, dats$MEDIUM) > 0))

最后，您可以合并这两个数据集：

merge(one, two)
  BRAND W1 W2 W3 W4 W5 newspapers radio tv
1    B1  8  5  5  6  5          1     1  1
2    B2  0  4  1  1  1          0     1  1

- s__

---

@ Ronak Shah 非常好，已添加！在您的意见中，有没有一种方法可以避免使用table()函数而不使用two$BRAND <- rownames(two)？我发现这样做太丑了，需要两行。 - s__

Answer 2

这里有一个想法，创建两个不同的数据框并将它们合并以获得您期望的输出。首先对 BRAND 进行聚合，然后通过对 MEDIUM 进行虚拟化创建第二个数据框。

library(tidyverse)

df1 <- df %>% 
    group_by(BRAND) %>% 
    summarise_at(vars(starts_with('W')), funs(sum))

# A tibble: 2 x 6
#  BRAND    W1    W2    W3    W4    W5
#  <fct> <int> <int> <int> <int> <int>
#1 B1        8     5     5     6     5
#2 B2        0     4     1     1     1

df2 <- df %>% 
    select(BRAND, MEDIUM) %>% 
    group_by(BRAND) %>% 
    mutate(new = 1) %>% 
    distinct() %>% 
    spread(MEDIUM, new, fill = 0)

# A tibble: 2 x 4
# Groups:   BRAND [2]
#  BRAND newspapers radio    tv
#  <fct>      <dbl> <dbl> <dbl>
#1 B1             1     1     1
#2 B2             0     1     1

Join them together to get,

left_join(df1, df2)
#Joining, by = "BRAND"
# A tibble: 2 x 9
#  BRAND    W1    W2    W3    W4    W5 newspapers radio    tv
#  <fct> <int> <int> <int> <int> <int>      <dbl> <dbl> <dbl>
#1 B1        8     5     5     6     5          1     1     1
#2 B2        0     4     1     1     1          0     1     1

- Sotos