R：如何同时传播，分组，总结和变异

Question

我想通过列'Year' spread下面的数据（此处显示的前12行），返回按'CountryName'分组的'Orders'的总和。 然后计算2014年至2015年每个'CountryName'的'订单'的变化百分比。

CountryName     Days        pCountry     Revenue    Orders  Year
United Kingdom  0-1 days    India        2604.799   13      2014
Norway          8-14 days   Australia    5631.123   9       2015
US              31-45 days  UAE          970.8324   2       2014
United Kingdom  4-7 days    Austria      94.3814    1       2015
Norway          8-14 days   Slovenia     939.8392   3       2014
South Korea     46-60 days  Germany      1959.4199  15      2014
UK              8-14 days   Poland       1394.9096  6.      2015
UK              61-90 days  Lithuania   -170.8035   -1      2015
US              8-14 days   Belize       1687.68    5       2014
Australia       46-60 days  Chile        888.72 2.  0       2014
US              15-30 days  Turkey       2320.7355  8       2014
Australia       0-1 days    Hong Kong    672.1099   2       2015

我可以使用较小的测试数据框来完成这项工作，但似乎只能返回无穷无尽的错误，例如“总和对于因素没有意义”或“行的重复标识符”和完整数据。 经过几个小时的阅读dplyr文档和尝试我放弃的东西。 任何人都可以帮助这个代码......

data %>% 
  spread(Year, Orders) %>% 
  group_by(CountryName) %>%
  summarise_all(.funs=c(Sum='sum'), na.rm=TRUE) %>% 
  mutate(percent_inc=100*((`2014_Sum`-`2015_Sum`)/`2014_Sum`))

预期的输出将是类似于下面的表格。 （注意：这些数字仅用于说明目的，不是手工计算的。）

CountryName  percent_inc
UK           34.2
US           28.2
Norway       36.1
...          ...

编辑

我必须对变量名做一些编辑，请注意。

Answer 1

首先，当您的数据仍然是长格式时，然后传播。 这是假数据的一个例子：

set.seed(2)
dat = data.frame(Country=sample(LETTERS[1:5], 500, replace=TRUE), 
                 Year = sample(2014:2015, 500, replace=TRUE),
                 Orders = sample(-1:20, 500, replace=TRUE))

dat %>% group_by(Country, Year) %>% 
  summarise(sum_orders = sum(Orders, na.rm=TRUE)) %>% 
  spread(Year, sum_orders) %>%
  mutate(Pct = (`2014` - `2015`)/`2014` * 100)

  Country `2014` `2015` Pct 1 A 575 599 -4.173913 2 B 457 486 -6.345733 3 C 481 319 33.679834 4 D 423 481 -13.711584 5 E 528 551 -4.356061 

如果你有多年，那么在你准备好制作一个好的输出表之前，可能更容易保持长格式：

set.seed(2)
dat = data.frame(Country=sample(LETTERS[1:5], 500, replace=TRUE), 
                 Year = sample(2010:2015, 500, replace=TRUE),
                 Orders = sample(-1:20, 500, replace=TRUE))

dat %>% group_by(Country, Year) %>% 
  summarise(sum_orders = sum(Orders, na.rm=TRUE)) %>% 
  group_by(Country) %>%
  arrange(Country, Year) %>%
  mutate(Pct = c(NA, -diff(sum_orders))/lag(sum_orders) * 100) 

  Country Year sum_orders Pct <fctr> <int> <int> <dbl> 1 A 2010 205 NA 2 A 2011 144 29.756098 3 A 2012 226 -56.944444 4 A 2013 119 47.345133 5 A 2014 177 -48.739496 6 A 2015 303 -71.186441 7 B 2010 146 NA 8 B 2011 159 -8.904110 9 B 2012 152 4.402516 10 B 2013 180 -18.421053 # ... with 20 more rows 

Answer 2

这不是一个答案，因为你没有真正问过一个可重复的问题，而只是提供帮助。

错误1由于spread您可能会收到此错误duplicate identifiers for rows 。 spread希望为您的N唯一值创建N列，但它需要知道放置这些值的唯一行。 如果您有重复的值组合，例如：

   CountryName      Days        pCountry         Revenue
United Kingdom  0-1 days           India        2604.799
United Kingdom  0-1 days           India        2604.799

显示两次，然后spread混淆它应该放置数据的哪一行。快速解决方法是data %>% mutate(row=row_number()) %>% spread... spread之前。

错误2您可能因为summarise_all sum not meaningful for factors 此错误sum not meaningful for factors 。 summarise_all将对所有列进行操作，但某些列包含字符串（或因子）。 United Kingdom + United Kingdom如何？ 尝试summarise(2014_Sum = sum(2014), 2015_Sum = sum(2015)) 。