Dplyr - 汇总多个变量

Question

我的原始数据结构如下：

Article  Channel1_qty Channel2_qty Channel3_qty

 110        30             10           0
 110        40             0            10
 111        50             5            2
 111        60             3            18

我最终试图生成一个 df，显示每个 channel_qty 售出的服装总和以及文章数量。 使用上面的例子，它看起来像：

Article_count | channel | Sum (total article qty for channel)
      2            1        180
      2            2        18
      2            3        30

我尝试使用以下代码以这种方式构造它，但它不起作用：

df %>%
  select(Article,
         channel1_qty, 
         channel2_qty,
         channel3_qty) %>% 
  gather(key = "channel", value = "value", -Article) %>%
  group_by(channel)
  summarise(
    Article_count = n_distinct(Article),
    total = sum(value)
  )

尝试了一些变化。 如有必要，可以考虑以单独的步骤或循环进行。 不过，我认为 dplyr 中必须有一种更简单/更优雅的方式。 谢谢！

Answer 1

您走在正确的轨道上tidyr::gather()/tidyr::pivot_longer() ，然后是dplyr::group_by() ，最后dplyr::summarize() 。

names_pattern参数中的正则表达式只是从原始列名中删除了除实际通道号之外的所有内容。

library(tidyverse)

d <- structure(list(Article = c(110L, 110L, 111L, 111L), Channel1_qty = c(30L, 40L, 50L, 60L), Channel2_qty = c(10L, 0L, 5L, 3L), Channel3_qty = c(0L, 10L, 2L, 18L)), class = "data.frame", row.names = c(NA, -4L))

d %>% 
  pivot_longer(-Article, 
               names_pattern = "^Channel(.*)_qty", 
               names_to = "channel", 
               values_to = "qty") %>% 
  group_by(channel) %>% 
  summarize(Article_count = n_distinct(Article),
            Sum = sum(qty))
#> # A tibble: 3 × 3
#>   channel Article_count   Sum
#>   <chr>           <int> <int>
#> 1 1                   2   180
#> 2 2                   2    18
#> 3 3                   2    30

^{由reprex package (v2.0.1) 于 2022 年 8 月 4 日创建}