r-group_by，并根据大写的行观测值填充特定的行

Question

我有一些数据，看起来像：

# A tibble: 10 × 4
RegionName `Año 2004_1` `Año 2004_2` `Año 2004_3`
<chr>             <dbl>        <dbl>        <dbl>
1 ANDALUCÍA            NA           NA           NA
2 Almería              NA           NA           NA
3 Abla                 58           61           54
4 Abrucena              6            2            1
5 Adra                146          211          101
6 ALBÁNCHEZ            12            3            3
7 Alboloduy             2            2            2
8 Albox                33           66           35
9 ALCOLEA               0            1            1
10 Alcóntar              1            1            2

我想做的是group_by，并计算每个大写的RegionName的sum。即CCD_ 4然后加上每个大写区域的下一个值。

例如：

使用这篇文章，我可以提取大写的单词，然后使用存储在一个新的列中

data %>% 
group_by(grp = cumsum(RegionName == toupper(RegionName))) %>%
mutate(REGIONNAME = first(RegionName)) %>% 
relocate(REGIONNAME, .before = RegionName)

所以数据看起来像：

# A tibble: 10 × 6
# Groups:   grp [3]
REGIONNAME RegionName `Año 2004_1` `Año 2004_2` `Año 2004_3`   grp
<chr>      <chr>             <dbl>        <dbl>        <dbl> <int>
1 ANDALUCÍA  ANDALUCÍA            NA           NA           NA     1
2 ANDALUCÍA  Almería              NA           NA           NA     1
3 ANDALUCÍA  Abla                 58           61           54     1
4 ANDALUCÍA  Abrucena              6            2            1     1
5 ANDALUCÍA  Adra                146          211          101     1
6 ALBÁNCHEZ  ALBÁNCHEZ            12            3            3     2
7 ALBÁNCHEZ  Alboloduy             2            2            2     2
8 ALBÁNCHEZ  Albox                33           66           35     2
9 ALCOLEA    ALCOLEA               0            1            1     3
10 ALCOLEA    Alcóntar              1            1            2     3

**忽略grp列，我希望group_by(REGIONNAME)和mutate(across...为Año...列，以便为每个REGIONNAME提供一个sum。然后我想在每一列下填充NA值。

预期输出(在***x***旁边进行修改(：

REGIONNAME RegionName `Año 2004_1` `Año 2004_2` `Año 2004_3`   grp
<chr>      <chr>             <dbl>        <dbl>        <dbl> <int>
1 ANDALUCÍA  ANDALUCÍA        ***212***     ***274***   ***155***  1
2 ANDALUCÍA  Almería              NA           NA           NA     1
3 ANDALUCÍA  Abla                 58           61           54     1
4 ANDALUCÍA  Abrucena              6            2            1     1
5 ANDALUCÍA  Adra                146          211          101     1
6 ALBÁNCHEZ  ALBÁNCHEZ        ***35***      ***68***     ***37***  2
7 ALBÁNCHEZ  Alboloduy             2            2            2     2
8 ALBÁNCHEZ  Albox                33           66           35     2
9 ALCOLEA    ALCOLEA          ***1***        ***1***     ***2***   3
10 ALCOLEA    Alcóntar              1            1            2     3

数据：

data <- structure(list(RegionName = c("ANDALUCÍA", "Almería", "Abla", 
"Abrucena", "Adra", "ALBÁNCHEZ", "Alboloduy", "Albox", "ALCOLEA", 
"Alcóntar"), `Año 2004_1` = c(NA, NA, 58, 6, 146, 12, 2, 33, 
0, 1), `Año 2004_2` = c(NA, NA, 61, 2, 211, 3, 2, 66, 1, 1), 
`Año 2004_3` = c(NA, NA, 54, 1, 101, 3, 2, 35, 1, 2)), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

Answer 1

您可以用每组的非大写行的总和替换每个大写行：

#Data
data %>% 
group_by(grp = cumsum(RegionName == toupper(RegionName))) %>%
mutate(REGIONNAME = first(RegionName)) %>% 
relocate(REGIONNAME, .before = RegionName) %>% 

# Here
mutate(across(starts_with("Año"), 
~ ifelse(REGIONNAME == RegionName, sum(.x[REGIONNAME != RegionName], na.rm = T), .x)))
# A tibble: 10 x 6
# Groups:   grp [3]
REGIONNAME RegionName `Año 2004_1` `Año 2004_2` `Año 2004_3`   grp
<chr>      <chr>             <dbl>        <dbl>        <dbl> <int>
1 ANDALUCÍA  ANDALUCÍA           210          274          156     1
2 ANDALUCÍA  Almería              NA           NA           NA     1
3 ANDALUCÍA  Abla                 58           61           54     1
4 ANDALUCÍA  Abrucena              6            2            1     1
5 ANDALUCÍA  Adra                146          211          101     1
6 ALBÁNCHEZ  ALBÁNCHEZ            35           68           37     2
7 ALBÁNCHEZ  Alboloduy             2            2            2     2
8 ALBÁNCHEZ  Albox                33           66           35     2
9 ALCOLEA    ALCOLEA               1            1            2     3
10 ALCOLEA    Alcóntar              1            1            2     3