1

Tengo un grupo de datos (aquí una submuestra)

df1

Los he agrupado usando group_by

df2<-df1 %>%
  group_by(rebl, año, mes) %>% 
  summarize(n()) %>% 
  rowid_to_column("ram")

De tal manera que ahora tengo

df2

Como pueden ver, hay algunas combinaciones que tienen n<=10 y tengo que redistribuirlas en otro grupo dentro del mismo año. Por ejemplo

ram     rebl          año     mes     n()

3      01020010068    2014    2        9
4      01020010068    2014    3        6

La idea sería redistribuir o sumar estos dos ram al grupo

ram     rebl          año     mes     n()

2      01020010068    2014    1        12

De tal manera que los ram 3 y 4 ya no existan más, y que el ram 2 tenga n=27.

He intentado hacerlo usando

 if (df1$n<=10) df1 %>% group_by(rebl, año) %>% summarize(n()) 
else if (df1$n>=10) df1 %>% group_by(rebl, año, mes) %>% summarize(n())

Pero me sale el error: "the condition has length > 1 and only the first element will be used"

Cómo podría hacer la redistribución que necesito?

4
  • Vas por el camino correcto @Caro, el reporte que deseas se puede lograr directamente si se cambia group_by(rebl, año, mes) por group_by(rebl, año). También quisiera acotar que library(dplyr) cuenta con un filter por ejemplo df1 %>% select (rebl, año, mes) %>% filter(año == 2015, mes>6), filtra los datos correspondiente al segundo semestre del año 2015. Commented el 21 mar. 2019 a las 13:27
  • No puedo cambiar directamente group_by(rebl, año, mes) por group_by(rebl, año) porque primero tengo que tener en cuenta las 3 variables y luego, basándome en esa primera agrupación, hacer una redistribución de los grupos con menos de 10 obs considerando sólo el rebl y el año. Sería dividir en 2 df (uno con las obs <10 y otro >10) y decir if df1$rebl==df2$rebl & df1$año==df2$año then... Esto ya no sé cómo indicárselo
    – Caro
    Commented el 21 mar. 2019 a las 13:55
  • Una consulta @Caro en que difiere esta pregunta, de la anterior que realizaste ¿Cómo reagrupo categorías siguiendo una condición? Commented el 21 mar. 2019 a las 21:21
  • @ Hubert, interpreté en tu primera respuesta que me sugerías hacer group_by(rbl, año) desde el principio. Difiere en que se me ha ocurrido partir el df inicial en dos, uno con las obs<10 y otro >10... pero he llegado al mismo punto de no poder llegar a lo que quiero. Seguiré dándole vueltas :)
    – Caro
    Commented el 22 mar. 2019 a las 7:41

1 respuesta 1

1

Consideraciones

Como la consulta es especifica y sólo cuento con los datos parciales para verificar, es decir, la factibilidad de generalizar la solución que se va ha exponer continuación, voy a tomar los datos df2 para detallar lo resuelto:

library(dplyr)
#library(tibble) # no es necesario trabajar en este caso con la funcion: rowid_to_column
library(tidyr)
df2<-data.frame(ram=1:13,
                rebl=c(rep("010020010068",13)),
                año=c(2013, 2014, 2014, 2014, 2014, 2015, 2015, 2016, 2016, 2016, 2017, 2017,2017),
                mes=c(12, 1, 2, 3, 11, 1, 2, 1, 2, 3, 1, 2, 3),
                n=c(78,12,9,6,11,9,7,19,14,10,31,19,9)
)
df2

   ram         rebl  año mes  n
1    1 010020010068 2013  12 78
2    2 010020010068 2014   1 12
3    3 010020010068 2014   2  9
4    4 010020010068 2014   3  6
5    5 010020010068 2014  11 11
6    6 010020010068 2015   1  9
7    7 010020010068 2015   2  7
8    8 010020010068 2016   1 19
9    9 010020010068 2016   2 14
10  10 010020010068 2016   3 10
11  11 010020010068 2017   1 31
12  12 010020010068 2017   2 19
13  13 010020010068 2017   3  9

Sobre la solución

Con los datos provenientes de la primera consulta -emplee n y no n() como nombre de columna- hay que aplicar un filtro para separar df2

con n<=10:

diezMe<-df2 %>% 
        group_by(rebl,año) %>% 
        filter(n<=10, año==first(año)) %>%
        summarise(n=sum(n)) %>% as.data.frame()
diezMe
          rebl  año  n
1 010020010068 2014 15
2 010020010068 2015 16
3 010020010068 2016 10
4 010020010068 2017  9

y con n>10

diezMy<-df2 %>% 
        group_by(rebl, año, mes) %>% 
        filter(n>10) %>%
        summarise(n)%>% as.data.frame()
diezMy
          rebl  año mes  n
1 010020010068 2013  12 78
2 010020010068 2014   1 12
3 010020010068 2014  11 11
4 010020010068 2016   1 19
5 010020010068 2016   2 14
6 010020010068 2017   1 31
7 010020010068 2017   2 19

Observar que diezMe (menor o igual a 10) no contiene la columna mes y en realidad no sería relevante porque su columna n tiene que ser sumada a diezMy$mes pero... aquí hay un caso particular:

diezMe contiene el año 2015, en cambio diezMy carece de él, en tal sentido, remarco, esta solución sólo responde a los datos provistos, en todo caso, habría que ver otras variantes para ir escalando la solución.

Para resolver lo anterior es necesario capturar los primeros meses de cada año (en el 2018 podría tenerse un caso similar) y agregárselos a diezMe de la siguiente forma:

diezMeMes<-aggregate(mes~ rebl+año , df2, FUN=head,1)
diezMe <- diezMe %>%
            mutate(mes=diezMeMes$mes[diezMeMes$año %in% año])%>%
            select(rebl, año, mes, n)
diezMe
          rebl  año mes  n
1 010020010068 2014   1 15
2 010020010068 2015   1 16
3 010020010068 2016   1 10
4 010020010068 2017   1  9

Como tiene que haber una suerte de intersección (inner_right) entre el data.frame: diezMe y el diezMy el año 2015 -u otros años-, quedaría en el aire, en tal sentido, se procede a su extracción (fila o filas) de diezMe para una posterior recuperación.

recuperar<-diezMe[!(diezMe$año %in%  diezMy$año),]
diezMe<-diezMe[diezMe$año %in%  diezMy$año,]
diezMe
          rebl  año mes  n
1 010020010068 2014   1 15
3 010020010068 2016   1 10
4 010020010068 2017   1  9

Bueno, luego comparto un pequeño truco para obtener las posiciones dónde empiezan los años, dada una columna -sin que se repitan-, mediante un vector binario (cond):

diezMy$dif <- c(1, diezMy$año[-1] - diezMy$año[-length(diezMy$año)]) # siempre empieza en 1
diezMy$cond <- ifelse(diezMy$dif>0,1,0) # se genera un vector (columna) binario
diezMy$añoMod <- diezMy$año*diezMy$cond
diezMy
          rebl  año mes  n dif cond añoMod
1 010020010068 2013  12 78   1    1   2013
2 010020010068 2014   1 12   1    1   2014
3 010020010068 2014  11 11   0    0      0
4 010020010068 2016   1 19   2    1   2016
5 010020010068 2016   2 14   0    0      0
6 010020010068 2017   1 31   1    1   2017
7 010020010068 2017   2 19   0    0      0

Las columnas dif, cond y añoMod son básicamente columnas de ayuda y no van en el producto final, dichas columnas también pueden ser obtenidas mediante mutate, pero vi conveniente dar el paso a paso en R base, para que puedan ser impresas las sentencias respectivas y ver más al detalle su comportamiento.

La idea central es obtener años sin repeticiones y sin perder las posiciones donde empiezan.

Asimismo vale aclarar que la columna binaria cond pudo ser:

 c(TRUE, FALSE)*c(2013,2104) # se imprime [1] 2013 0

También es bueno acotar qué, la disposición de añoMod sólo es válida si se busca agregar las sumas provenientes de diezMe$n al primer mes del año respectivo en el data.frame de diezMy, porque en este caso particular, los datos presentados permiten asumir eso.

Lo que prosigue es sumar los valores de diezMe$n a diezMy$n en los años respectivos, para tal fin se crea un vector auxiliar (np) ya que la expresión que genera al vector verif puede colocarse dentro de np, por lo que su construcción (verif) es opcional. Aquí el detalle del procedimiento:

verif <- diezMy$añoMod %in% diezMe$año
verif
# [1] FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE

np<-(1:length(diezMy$n))*0
np[verif]<-diezMe$n
np
# [1]  0 15  0 10  0  9  0

diezMy$n<-diezMy$n+np
diezMy
          rebl  año mes  n dif cond añoMod
1 010020010068 2013  12 78   1    1   2013
2 010020010068 2014   1 27   1    1   2014
3 010020010068 2014  11 11   0    0      0
4 010020010068 2016   1 29   2    1   2016
5 010020010068 2016   2 14   0    0      0
6 010020010068 2017   1 40   1    1   2017
7 010020010068 2017   2 19   0    0      0

Resultado

Finalmente hay que darle forma al reporte solicitado, sin dejar de incluir la(s) fila(s) almacenada(s) previamente en recuperar

dfFinal<-diezMy[,1:4]
dfFinal[nrow(dfFinal)+1,]<-recuperar

dfFinal<-dfFinal[order(dfFinalMy$año),]
row.names(dfFinal) <- 1:nrow(dfFinal)

# RESULTADO FINAL
dfFinal
          rebl  año mes  n
1 010020010068 2013  12 78
2 010020010068 2014   1 27
3 010020010068 2014  11 11
4 010020010068 2015   1 16
5 010020010068 2016   1 29
6 010020010068 2016   2 14
7 010020010068 2017   1 40
8 010020010068 2017   2 19

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.