这个
有没有更好的方法可以在r中使用dplyr实现这一点，而不必为每个变量键入新的公式？
code dagala_price_1 dagala_price_2 dagala_price_3 dagala_price_4 dagala_price_5 dagala_unit_nb_1 dagala_unit_nb_2 dagala_unit_nb_3 dagala_unit_nb_4 dagala_unit_nb_5
MI-NAL-KA 50 15000 NA NA NA 100 1 NA NA NA
M-KK-KZ 10000 20000 NA NA NA 20 2 NA NA NA
M-KK-NK 10000 NA NA NA NA 5 NA NA NA NA
MI-NA-BA 12000 15000 NA NA NA 2 1 NA NA NA
MI-BD-BT 12000 15000 NA NA NA 3 1 NA NA NA
MI-MI-ND 12000 80000 NA NA NA 8 1 NA NA NA
MI-NAL-LT 13000 15000 NA 18000 NA 1 3 NA 1 NA
M-BY-BGY 13000 15000 NA NA NA 4 1 NA NA NA
MI-NA-NY 13000 NA NA NA NA 2 NA NA NA NA
MI-KAN-BL 18000 35000 15000 NA NA 1 1 6 NA NA
MI-KIGO-KR 20000 15000 15000 NA NA 10 8 4 NA NA
MI-KAN-KY 20000 16000 NA NA NA 2 6 NA NA NA
MI-NAL-BB 20000 35000 250000 NA NA 1 1 1 NA NA
MI-KAM-AL 30000 14000 13000 NA NA 1 10 2 NA NA
df <- df %>% mutate(
dagala_total_1 = dagala_price_1 * dagala_unit_nb_1,
dagala_total_2 = dagala_price_2 * dagala_unit_nb_2,
dagala_total_3 = dagala_price_3 * dagala_unit_nb_3,
dagala_total_total =dagala_total_1 + dagala_total_2 + dagala_total_3)
根据您的数据，您可以将其排列为长格式(tidyverse术语中的"整洁"(，这将为您提供更简单的代码。
我假设你有达加拉单位和五组1~5的价格，所以我在data.frame中添加了一个新的组变量，使其整洁，即以"长"形式
library(tidyr)
library(dplyr)
library(data.table)
df <- data.table::fread(
"code dagala_price_1 dagala_price_2 dagala_price_3 dagala_price_4 dagala_price_5 dagala_unit_nb_1 dagala_unit_nb_2 dagala_unit_nb_3 dagala_unit_nb_4 dagala_unit_nb_5
MI-NAL-KA 50 15000 NA NA NA 100 1 NA NA NA
M-KK-KZ 10000 20000 NA NA NA 20 2 NA NA NA
M-KK-NK 10000 NA NA NA NA 5 NA NA NA NA
MI-NA-BA 12000 15000 NA NA NA 2 1 NA NA NA
MI-BD-BT 12000 15000 NA NA NA 3 1 NA NA NA
MI-MI-ND 12000 80000 NA NA NA 8 1 NA NA NA
MI-NAL-LT 13000 15000 NA 18000 NA 1 3 NA 1 NA
M-BY-BGY 13000 15000 NA NA NA 4 1 NA NA NA
MI-NA-NY 13000 NA NA NA NA 2 NA NA NA NA
MI-KAN-BL 18000 35000 15000 NA NA 1 1 6 NA NA
MI-KIGO-KR 20000 15000 15000 NA NA 10 8 4 NA NA
MI-KAN-KY 20000 16000 NA NA NA 2 6 NA NA NA
MI-NAL-BB 20000 35000 250000 NA NA 1 1 1 NA NA
MI-KAM-AL 30000 14000 13000 NA NA 1 10 2 NA NA"
)
df.price <- df %>%
select(code, matches("price_")) %>%
# gather price by group
gather(key=groups,value=dagala_price,matches("price_")) %>%
# extract last number as group
mutate(groups = gsub(".*(\d)$","\1",groups))
#> Warning: package 'bindrcpp' was built under R version 3.4.4
df.unit <- df %>%
select(code,matches("unit_nb")) %>%
# gather units by group
gather(key=groups,value=dagala_unit,matches("unit_")) %>%
# extract last number as group
mutate(groups = gsub(".*(\d)$","\1",groups))
df.tidy <- left_join(df.price,df.unit)
#> Joining, by = c("code", "groups")
这个df.tidy是"long"整洁形式，在tidyverse语法中更容易操作：
# Tidy data.frame
df.tidy
# A tibble: 70 x 4
code groups dagala_price dagala_unit
<chr> <chr> <int> <int>
1 MI-NAL-KA 1 50 100
2 M-KK-KZ 1 10000 20
3 M-KK-NK 1 10000 5
4 MI-NA-BA 1 12000 2
5 MI-BD-BT 1 12000 3
6 MI-MI-ND 1 12000 8
7 MI-NAL-LT 1 13000 1
8 M-BY-BGY 1 13000 4
9 MI-NA-NY 1 13000 2
10 MI-KAN-BL 1 18000 1
# ... with 60 more rows
然后，您的代码可以像这样简化：
# Then some summarise operations
df.total_by_grp <- df.tidy %>%
mutate(dagala_total = dagala_price * dagala_unit)
# summarise by group
head(df.total_by_grp)
#> code groups dagala_price dagala_unit dagala_total
#> 1 MI-NAL-KA 1 50 100 5000
#> 2 M-KK-KZ 1 10000 20 200000
#> 3 M-KK-NK 1 10000 5 50000
#> 4 MI-NA-BA 1 12000 2 24000
#> 5 MI-BD-BT 1 12000 3 36000
#> 6 MI-MI-ND 1 12000 8 96000
df.total_by_code <- df.tidy %>%
mutate(dagala_total = dagala_price * dagala_unit) %>%
group_by(code) %>%
summarise(code_total = sum(dagala_total,na.rm = TRUE))
# summarise by total
head(df.total_by_code)
#> # A tibble: 6 x 2
#> code code_total
#> <chr> <int>
#> 1 M-BY-BGY 67000
#> 2 M-KK-KZ 240000
#> 3 M-KK-NK 50000
#> 4 MI-BD-BT 51000
#> 5 MI-KAM-AL 196000
#> 6 MI-KAN-BL 143000
创建于2018-07-28由reprex包(v0.2.0(。