Voy a plantearte una solución a la manera tidyverse
, por que entiendo que para esta manipulación de los datos, es una forma mucho más clara. De cualquier manera la idea puede llevarse a código R base sin problema.
En primer lugar, vamos a trabajar con la tabla tables[[5]]
en crudo, que esta estructurada así:
Como se puede apreciar, cada "producto" es un grupo de filas separadas por lineas en blanco. En primer lugar, vamos a limpiar un poco los datos y agregar información útil, básicamente:
- Generaremos un identificador único de cada bloque para poder luego identificar cada "producto"
- Numeraremos cada fila dentro de cada bloque ya que para identificar el nombre del producto, iremos a constatar la primer fila de cada bloque
- Por último eliminamos las filas innecesarias
Esto en tidyverse
lo podemos implementar así:
library("tidyverse")
df <- tables[[5]] %>%
mutate(id_producto = cumsum(X1 == "")) %>% # Generamos un id por bloque
filter(X1 != "",
X1 != "PRESENTACIONES") %>% # Quitamos filas en blanco y titulos
mutate(nr=ave(X1, id_producto, FUN=seq_along)) # generamos un numerdador interno del bloque
Ya tenemos los datos mucho más ordenados para la última etapa. Ahora vamos a:
- Obtener los productos (son aquellos donde el número de fila
nr
es igual a 1)
- Obtener las presentaciones (es el caso contrario del punto anterior)
3 Con las dos bases separadas, podemos unirlas en una sola, mediante un
left join
Código:
df %>%
filter(nr == 1) %>%
select(VENTA = X1, id_producto, nr) -> productos
df %>%
filter(nr != 1) %>%
mutate(PRESENTACIONES = X1,
PVF = X2,
PPS = X3) %>%
select(id_producto, nr, PRESENTACIONES, PVF, PPS) -> presentaciones
productos %>%
left_join(presentaciones, by="id_producto") %>%
select(VENTA, PRESENTACIONES, PVF, PPS) -> df_final
Resultado final: