1

Tengo dos df:

DF1:

df1 <- read.table(text="col1 col2 col3
     1  pepe      12
     2 juan         2
     3 rojo        33
     4 rojo        44
     5 azul        45
     6 azul         5
     7 amarillo   100
     8 amarillo   200
     9 amarillo   150
     10 rojo      200
     11 azul       25
     12 amarillo   23
     13 azul       50",
header=TRUE, stringsAsFactors=FALSE)

DF2:

df2 <- read.table(text="
col1         col2        col3
1            pepe         12
2            juan          2
3,4,10       rojo        277
5            azul         45
6            azul          5
7,8,9,12     amarillo    473
11           azul         25
13           azul         50",
header=TRUE, stringsAsFactors=FALSE)

Quiero ver si los dos df tienen la misma información. Para ello agrupo algunas filas del df1 usando esta solución

df1 %>% 
  mutate(col1=case_when(
    col1 %in% c(3, 4, 10) ~ '3,4,10',
    col1 %in% c(7, 8, 9, 12) ~ '7,8,9,12',
    TRUE ~ as.character(col1)
  )) %>% 
  group_by(col1, col2) %>% 
  summarise(col3=sum(col3)) -> df11

Por lo que mi df11 ahora es:

col1     col2      col3
 1        pepe        12
 11       azul        25
 13       azul        50
 2        juan         2
 3,4,10   rojo       277
 5        azul        45
 6        azul         5
 7,8,9,12 amarillo   473

Para comparar los df los ordeno por la misma columna

df11[order(df11$col1),] -> df11
df2[order(df2$col1),] -> df2

y los comparo

compare(df11,df2)[2]


$detailedResult
col1 col2 col3 
TRUE TRUE TRUE 

El problema viene que esta parte hay que meterla a mano

  mutate(col1=case_when(
col1 %in% c(3, 4, 10) ~ '3,4,10',
col1 %in% c(7, 8, 9, 12) ~ '7,8,9,12'

Y los df a comparar van cambiando. A veces las agrupaciones son muchas, por lo que meterlo a mano es engorroso.

Me gustaría que las agrupaciones las detectara de forma automática.

    df1$col1 <- as.character(df1$col1)
    anti_join(df2, df1, by="col1")

      col1     col2 col3
1   3,4,10     rojo  277
2 7,8,9,12 amarillo  473

Entonces sé que las agrupacione son (3,4,10) y (7,8,9,12) pero no sé como meterlo en esta parte de forma automática

 mutate(col1=case_when(
    col1 %in% c(3, 4, 10) ~ '3,4,10',
    col1 %in% c(7, 8, 9, 12) ~ '7,8,9,12'

1 respuesta 1

1

Lo que puedes hacer es construir los grupos a partir del df2, por ejemplo:

library(tidyverse)

df2 %>% 
  mutate(grupo=col1) %>% 
  separate_rows(col1, convert=TRUE) %>% 
  select(col1, grupo)

# A tibble: 13 x 2
    col1 grupo   
   <int> <chr>   
 1     1 1       
 2     2 2       
 3     3 3,4,10  
 4     4 3,4,10  
 5    10 3,4,10  
 6     5 5       
 7     6 6       
 8     7 7,8,9,12
 9     8 7,8,9,12
10     9 7,8,9,12
11    12 7,8,9,12
12    11 11      
13    13 13 

Expandiendo los valores de col1 de forma individual y conservando el grupo, ahora es mucho más simple, podemos unir df1 y df2 mediante un left_join y con los grupos ya definidos podemos agrupar:

df1 %>% 
  left_join(df2 %>% 
              mutate(grupo=col1) %>% 
              separate_rows(col1, convert=TRUE) %>% 
              select(col1, grupo),
            by = "col1") %>% 
  mutate(grupo=ifelse(is.na(grupo), col1, grupo)) %>% 
  group_by(grupo, col2) %>% 
  summarise(col3=sum(col3), .groups="drop")

# A tibble: 8 x 3
  grupo    col2      col3
  <chr>    <chr>    <int>
1 1        pepe        12
2 11       azul        25
3 13       azul        50
4 2        juan         2
5 3,4,10   rojo       277
6 5        azul        45
7 6        azul         5
8 7,8,9,12 amarillo   473

Nota: mutate(grupo=ifelse(is.na(grupo), col1, grupo)) es para el eventual caso en que tuvieras valores de col1 en el df1 pero no en el df2

4
  • Fantástico, como siempre. He visto que tienes un blog con paypal. Me haré una cuenta y donaré algo este finde.
    – DudaR
    Commented el 13 oct. 2022 a las 22:41
  • Hola @DudaR, realmente no es necesario, disfruto responder preguntas, y que además la respuesta se útil, me resulta suficiente recompensa. Saludos. Commented el 13 oct. 2022 a las 23:50
  • Lo envié ayer. Espero que haya llegado. Un saludo.
    – DudaR
    Commented el 18 oct. 2022 a las 21:27
  • Si, muchísimas gracias colega, pero nuevamente, no era necesario. Saludos. Commented el 18 oct. 2022 a las 22:12

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.