Início / coding / Perguntas / 79573581
Accepted
ravinglooper
Asked: 2025-04-15 00:06:13 +0800 CST

Soma as linhas da coluna abaixo que atendem aos critérios fornecidos

  • 772

Eu tenho um dataframe que se parece com:

df <- 
  data.frame(col1 = c(1,2,2,1,2,3,4,3,1,2),
             col2 = c(11,6,5,7,11,7,7,4,5,5))

   col1 col2
1     1   11
2     2    6
3     2    5
4     1    7
5     2   11
6     3    7
7     4    7
8     3    4
9     1    5
10    2    5

Os dados são organizados em subtotais aninhados; o nível do subtotal é especificado em col1e o valor especificado em col2.

Esses subtotais funcionam da seguinte maneira:

  • col1 = 1é a soma de todos os valores col1 = 2 nas linhas seguintes, até o ponto em que um novo col1 = 1é alcançado.

  • Da mesma forma, col1 = 2é a soma dos valores de col1 = 3 nas linhas seguintes (onde eles existem), até que um novo col1 = 2ou a col1 = 1seja alcançado.

  • Da mesma forma, col1 = 3é a soma dos valores de col1 = 4 nas linhas seguintes (onde eles existem), até que um novo col1 = 3ou um col1 = 2/ col1 = 1seja alcançado.

  • E assim por diante para valores mais altos de col1(os dados reais têm um intervalo de 1:7).

Estou tentando escrever um pedaço de código para verificar as linhas de subtotal e sinalizar aquelas que estão incorretas.

   col1 col2  col3
1     1   11  TRUE
2     2    6    NA
3     2    5    NA
4     1    7 FALSE
5     2   11  TRUE
6     3    7  TRUE
7     4    7    NA
8     3    4    NA
9     1    5  TRUE
10    2    5    NA

Neste exemplo, a linha 4 seria sinalizada como incorreta, pois a linha relevante col1 = 2a seguir ( linha 5 ) soma 11.

Até agora, tenho uma função que me fornece a soma de todos os valores das camadas superiores seguintes, em vez daqueles anteriores a uma nova camada ser alcançada.

df |>
  mutate(
    col3 = sapply(row_number(), \(x) {
      target <- if_else(col1 %in% c(1, 2), col1 + 1, NA)[x]
      sum(col2[x:n()][col1[x:n()] == target])
    })
  )

e tenho uma função que me dá a distância até o novo grupo de camadas relevante:

df |>
  mutate(
    col3 = sapply(seq_len(n()), \(x) {
      matches <- which(col1[-(1:x)] <= col1[x])
      if (length(matches)) matches[1] else n() - x + 1
    })
  )

Estou tentando integrá-los fazendo com que a primeira função verifique apenas o que for relevante para aquela camada, ou seja, algo como:

df |>
  mutate(
    col3 = sapply(row_number(), \(x) {
      target <- if_else(col1 %in% c(1, 2), col1 + 1, NA)[x]
      matches <- which(col1[-(1:x)] <= col1[x])
      if (length(matches)) matches[1] else n() - x + 1
      sum(col2[x:matches][col1[x:matches] == target])
    })
  )

1 respostas

  1. Best Answer

    Uma abordagem do Tidyverse poderia ser usada map_lglpara ajudar a obter o número da linha atual .xe o total de linhas n()e

    1. Obtenha o nível atual cle o próximo nívelcl
    2. Localização enddo grupo atual — primeira linha após .x onde col1 <= current_level
    3. calcular o subtotalque deve estar correto
    4. se subtotal != 0obtiver o deslocamento col2[.x] == subtotalsenão NA
    library(tidyverse)

df <- data.frame(
  col1 = c(1,2,2,1,2,3,4,3,1,2),
  col2 = c(11,6,5,7,11,7,7,4,5,5)
)

df |>
  mutate(col3 = map_lgl(row_number(), ~{
    cl <- col1[.x] # current level
    nl <- cl + 1 # next level
    end <- which(col1[(.x+1):n()] <= cl) %>% {if(length(.)) min(.)+.x else n()}
    subtotal <- sum(col2[(.x+1):end][col1[(.x+1):end] == nl], na.rm = TRUE)
    if(subtotal != 0) col2[.x] == subtotal else NA
  }))

   col1 col2  col3
1     1   11  TRUE
2     2    6    NA
3     2    5    NA
4     1    7 FALSE
5     2   11  TRUE
6     3    7  TRUE
7     4    7    NA
8     3    4    NA
9     1    5  TRUE
10    2    5    NA

    Notas

    Se o próximo nível for o mesmo, inferior ou inexistente, isso será exibido NAde acordo com sua definição. Sei que você só queria que isso fosse sinalizado, mas talvez faça sentido mostrá-lo to-be-subtotalpara análise posterior.

    • 2

relate perguntas