Строка как формула

Question

Я пробовал искать по форумам и не смог найти помощь.Я довольно плохо знаком с R, и у меня ограниченный успех при загрузке некоторых строк, которые будут использоваться в качестве формулы.

У меня есть CSV со следующим форматом:

            Sam, Frank, Dennis, Steven, Robert, Georgia
Region_1    218,    763,    811,    812,    797,    574
Region_2    474,    983,    343,    697,    310,    335
Region_3    700,    813,    133,    212,    906,    680
Region_4    212,    581,    893,    514,    530,    795

ИЯ могу загрузить это и добавить дополнительные столбцы в мой фрейм данных, который добавляет определенные столбцы (например, Сэм + Фрэнк, Денис + Джорджия).

Я могу сделать это, если я жестко закодирую команды в своем коде,Например:

temp <- mutate(temp, team_1 = Sam + Robert) 

Моя проблема в том, что у меня есть другой CSV, который содержит список из 2 столбцов, и это команды, которые меняются ежедневно, например:

Team 1  Sam + Robert
Team 2  Frank + Georgia
Team 3  Frank + Steven
Team 4  Robert + Dennis
Team 5  Frank + Sam

Есть ли способчто я могу загрузить этот список CSV в R и добавить эти столбцы членов команды вместе.

Но я не вижу возможности добавить этот список из файла csv и динамически создать новый фрейм данных с общим количеством членов команды.

Кто-нибудь может мне помочь с этим?

Я надеюсь получить что-то вроде этого (с суммой членов команды (команда 1, команда 2 и т. Д. Из второго файла CSV) в качестве дополнительных столбцов:

         Sam,   Frank,  Dennis, Steven, Robert, Georgia,    Sam + Robert,   Frank + Georgia,    Frank + Steven, Robert + Dennis,    Frank + Sam
 Region_1   218,    763,    811,    812,    797,    574,    981,    1337,   1575,   1608,   981
 Region_2   474,    983,    343,    697,    310,    335,    1457,   1318,   1680,   653,    1457
 Region_3   700,    813,    133,    212,    906,    680,    1513,   1493,   1025,   1039,   1513
 Region_4   212,    581,    893,    514,    530,    795,    793,    1376,   1095,   1423,   793

Большое спасибо.

Answer 1

(Спасибо @alistaire за кодирование данных в удобном формате)

Это можно легко сделать с помощью базовых функций R (eval + parse) в простом цикле for:

for(i in teams$members){
    people[[i]] <- eval(parse(text = i), envir = people)
}

# > people
#     region Sam Frank Dennis Steven Robert Georgia Sam + Robert Frank + Georgia
# 1 Region_1 218   763    811    812    797     574         1015            1337
# 2 Region_2 474   983    343    697    310     335          784            1318
# 3 Region_3 700   813    133    212    906     680         1606            1493
# 4 Region_4 212   581    893    514    530     795          742            1376
# Frank + Steven Robert + Dennis Frank + Sam
# 1           1575            1608         981
# 2           1680             653        1457
# 3           1025            1039        1513
# 4           1095            1423         793

Answer 2

Вот вариант, использующий rlang::parse_expr для непосредственного анализа выражения со второго data.frame

df1 %>% bind_cols(map_dfc(df2$V2, ~df1 %>%
    transmute(!!as.character(.x) := !!rlang::parse_expr(as.character(.x)))))
#  Sam Frank Dennis Steven Robert Georgia Sam + Robert Frank + Georgia
#1 218   763    811    812    797     574         1015            1337
#2 474   983    343    697    310     335          784            1318
#3 700   813    133    212    906     680         1606            1493
#4 212   581    893    514    530     795          742            1376
#  Frank + Steven Robert + Dennis Frank + Sam
#1           1575            1608         981
#2           1680             653        1457
#3           1025            1039        1513
#4           1095            1423         793

Или вы можете назвать новые столбцы в соответствии с командой:

df1 %>% bind_cols(map2_dfc(df2$V1, df2$V2, ~df1 %>%
    transmute(!!as.character(.x) := !!rlang::parse_expr(as.character(.y)))))
#  Sam Frank Dennis Steven Robert Georgia Team 1 Team 2 Team 3 Team 4 Team 5
#1 218   763    811    812    797     574   1015   1337   1575   1608    981
#2 474   983    343    697    310     335    784   1318   1680    653   1457
#3 700   813    133    212    906     680   1606   1493   1025   1039   1513
#4 212   581    893    514    530     795    742   1376   1095   1423    793

Идея состоит в том, что мы используем map (или map2), чтобы применить «формулу», хранящуюся в df2 в контексте transmute df1.Выражение оценивается с !!parse_expr(...).

---

Пример данных

df1 <- read.table(text =
    "Sam Frank Dennis Steven Robert Georgia
Region_1    218    763    811    812    797    574
Region_2    474    983    343    697    310    335
Region_3    700    813    133    212    906    680
Region_4    212    581    893    514    530    795", header = T)


df2 <- read.table(text =
    "'Team 1'  'Sam + Robert'
'Team 2'  'Frank + Georgia'
'Team 3'  'Frank + Steven'
'Team 4'  'Robert + Dennis'
'Team 5'  'Frank + Sam'", header = F)

Answer 3

Фон: Вы можете получить доступ к столбцам data.frame, хранящимся в векторе x, с помощью people[, x], и вы можете использовать strsplit, чтобы получить вектор нужных вам столбцов.

Ответ :

# function to get the sum of two columns from 'people'
get_sum <- function(m) {
  members <- unlist(strsplit(m, ' + ', fixed = T))
  rowSums(people[, members])
}

# "Sam + Robert"
get_sum(teams$members[1])
# [1] 1015  784 1606  742

# apply this for every team, and add results to 'people'
cbind(people,
      sapply(teams$members, get_sum))

#     region Sam Frank Dennis Steven Robert Georgia Sam + Robert Frank + Georgia Frank + Steven Robert + Dennis Frank + Sam
# 1 Region_1 218   763    811    812    797     574         1015            1337           1575            1608         981
# 2 Region_2 474   983    343    697    310     335          784            1318           1680             653        1457
# 3 Region_3 700   813    133    212    906     680         1606            1493           1025            1039        1513
# 4 Region_4 212   581    893    514    530     795          742            1376           1095            1423         793

Answer 4

Работа с кодом в виде строк довольно сложна.Здесь проще превратить второй фрейм данных в справочную таблицу, которую можно объединить с первым, преобразованным в длинную форму.Затем результат можно суммировать и преобразовать в любую форму, которую вы пожелаете.

library(tidyverse)

people <- data.frame(
    region = c("Region_1", "Region_2", "Region_3", "Region_4"),
    Sam = c(218L, 474L, 700L, 212L),
    Frank = c(763L, 983L, 813L, 581L),
    Dennis = c(811L, 343L, 133L, 893L),
    Steven = c(812L, 697L, 212L, 514L),
    Robert = c(797L, 310L, 906L, 530L),
    Georgia = c(574L, 335L, 680L, 795L), 
    stringsAsFactors = FALSE
)

teams <- data.frame(
    team = c("Team 1", "Team 2", "Team 3", "Team 4", "Team 5"),
    members = c("Sam + Robert", "Frank + Georgia", "Frank + Steven", "Robert + Dennis", "Frank + Sam"), 
    stringsAsFactors = FALSE
)

teams_long <- teams %>% 
    mutate(team = members) %>%    # set team name
    separate_rows(members)    # separate teams to names

people %>% 
    gather(member, value, -region) %>%    # reshape to long form
    left_join(teams_long, c('member' = 'members')) %>%    # join by names
    group_by(region, team) %>% 
    summarise(value = sum(value)) %>%    # aggregate
    spread(team, value) %>%    # reshape to wide form
    left_join(people, .)    # join back to original data
#>     region Sam Frank Dennis Steven Robert Georgia Frank + Georgia
#> 1 Region_1 218   763    811    812    797     574            1337
#> 2 Region_2 474   983    343    697    310     335            1318
#> 3 Region_3 700   813    133    212    906     680            1493
#> 4 Region_4 212   581    893    514    530     795            1376
#>   Frank + Sam Frank + Steven Robert + Dennis Sam + Robert
#> 1         981           1575            1608         1015
#> 2        1457           1680             653          784
#> 3        1513           1025            1039         1606
#> 4         793           1095            1423          742