r-如果多个值同时出现在附加行中，则进行突变

Question

我有一个银行账户交易表，我想添加一列，标记任何退款交易(包括首次付款和退款(，但就我而言，我不知道如何匹配这些行。

样本数据：

transactions <- tibble(date = as.Date(c("2020-01-01", "2020-01-02", "2020-01-02", "2020-01-03", "2020-01-04")),
merchant = c("A", "B", "B", "C", "A"),
amount = c(10, 5, -5, 9, 10))

期望输出：

# A tibble: 5 x 4
date       merchant amount refund
<date>     <chr>     <dbl> <lgl> 
1 2020-01-01 A            10 FALSE 
2 2020-01-02 B             5 TRUE  
3 2020-01-02 B            -5 TRUE  
4 2020-01-03 C             9 FALSE 
5 2020-01-04 A            10 FALSE

目前，我只想在退款当天匹配付款，但我可能会稍后更改，将付款后任何一天发生的退款包括在内。我的第一个想法是使用下面这样的东西，但它不能确保所有值都出现在同一行中。我更喜欢一个简洁的答案。

mutate(refund = if_else(date %in% date & 
merchant %in% merchant & 
(amount*-1) %in% amount,
T, F))

Answer 1

一种解决方案可以按标识匹配事务的列进行分组，在本例中为date和merchant。这将消除对if_else中的x %in% y语法的需要。

解决方案

使用case_when()是因为它提供了细化逻辑的灵活性。if_else在2种情况下是等效的(或更快？(。

transactions %>% 
group_by(date, merchant) %>% 
# This logic says:
# When the sum of the amounts DO NOT equal to 0, it is NOT a refund
mutate(refund = case_when(sum(amount) != 0 ~ F,
T ~ T))

输出

# A tibble: 5 x 4
# Groups:   date, merchant [4]
date       merchant amount refund
<date>     <chr>     <dbl> <lgl> 
1 2020-01-01 A            10 FALSE 
2 2020-01-02 B             5 TRUE  
3 2020-01-02 B            -5 TRUE  
4 2020-01-03 C             9 FALSE 
5 2020-01-04 A            10 FALSE 

Answer 2

我在做其他事情时灵机一动，这是一个比我想象的更长的过程，但为了完整起见，我在这里发布了我的工作解决方案。

首先，我为每一行添加了一个唯一的ID(事实上，我的数据已经有了这个(

transactions <- tibble(date = as.Date(c("2020-01-01", "2020-01-02", "2020-01-02", "2020-01-03", "2020-01-04")),
merchant = c("A", "B", "B", "C", "A"),
amount = c(10, 5, -5, 9, 10)) %>%
mutate(id = seq_len(nrow(.)))

根据账户的资金流出(正值(还是流出(负值(，将数据帧一分为二。对于货币，我将金额列更改为正值，以便它们可以匹配。

transactions_out <- transactions %>%
filter(amount > 0)
transactions_in <- transactions %>%
filter(amount < 0) %>%
mutate(amount = amount*-1)

使用inner_join()匹配两行中日期、商家和金额相同的行。然后使用pivot_longer()和pull()保存这些事务的ID。

在我的实际数据中，我在这里添加了额外的行来完善匹配，以减少误报。

refund_ids <- inner_join(transactions_out, transactions_in,
by = c("date", "merchant", "amount"),
suffix = c("_out", "_in")) %>%
pivot_longer(starts_with("id"),
names_to = "type",
values_to = "id") %>%
pull(id)

最后，我将新的退款列添加到refund_ids:中ID的原始数据帧中

transactions <- transactions %>%
mutate(refund = if_else(id %in% refund_ids, T, F))

输出：

> transactions
# A tibble: 5 x 5
date       merchant amount    id refund
<date>     <chr>     <dbl> <int> <lgl> 
1 2020-01-01 A            10     1 FALSE 
2 2020-01-02 B             5     2 TRUE  
3 2020-01-02 B            -5     3 TRUE  
4 2020-01-03 C             9     4 FALSE 
5 2020-01-04 A            10     5 FALSE