R语言基于type列actual/budget值高效新增计算数据框指标变量

问题背景 #

数据框的type列包含actual（实际值）、budget（预算值）两类取值，需要新增变量计算对应业务指标，现有逐行硬编码筛选的写法繁琐冗余，适配新数据时容易出错，需要更简洁高效的实现方案。

示例原始数据 #

ori_data <- data.frame(
    category=c("A","A","A","B","B","B"),
    year=c(2021,2022,2022,2021,2022,2022),
    type=c("actual","actual","budget","actual","actual","budget"),
    sales=c(100,120,130,70,80,90),
    profit=c(3.7,5.52,5.33,2.73,3.92,3.69)
)

指标计算规则 #

• 销售额同比增长率（sales inc%）：针对type为actual的2022年记录，计算逻辑为 当年实际销售额 / 上年同品类实际销售额 - 1
  原有冗余实现代码：

  ori_data$sales_inc_or_budget_acheved[category=='A'&year=='2022'&type=='actual'] <- 
    ori_data$sales[category=='A'&year=='2022'&type=='actual']/
    ori_data$sales[category=='A'&year=='2021'&type=='actual']-1
  

• 销售额预算完成率（budget acheved%）：针对type为budget的2022年记录，计算逻辑为 当年实际销售额 / 当年同品类预算销售额
  原有冗余实现代码：

  ori_data$sales_inc_or_budget_acheved[category=='A'&year=='2022'&type=='budget'] <- 
    ori_data$sales[category=='A'&year=='2022'&type=='actual']/
    ori_data$sales[category=='A'&year=='2022'&type=='budget']
  

预期结果示例 #

#

简洁实现方案 #

核心思路是按category分组提取基准计算值，避免逐品类硬编码筛选，新增品类时无需修改代码。

方案1：dplyr实现（推荐，代码可读性高） #

library(dplyr)

ori_data <- ori_data %>%
  group_by(category) %>%
  mutate(
    # 提前提取分组内的基准值
    last_year_actual = sales[type == "actual" & year == 2021],
    cur_year_actual = sales[type == "actual" & year == 2022],
    # 按条件匹配计算规则
    sales_inc_or_budget_acheved = case_when(
      year == 2022 & type == "actual" ~ sales / last_year_actual - 1,
      year == 2022 & type == "budget" ~ cur_year_actual / sales,
      TRUE ~ NA_real_
    )
  ) %>%
  # 删除计算用的中间辅助列
  select(-last_year_actual, -cur_year_actual) %>%
  ungroup()

方案2：基础R实现（无需安装第三方包） #

# 初始化目标列
ori_data$sales_inc_or_budget_acheved <- NA_real_

# 按品类遍历计算，自动适配所有品类
for (cat in unique(ori_data$category)) {
  cat_filter <- ori_data$category == cat
  # 提取当前品类的基准值
  ly_actual_sales <- ori_data$sales[cat_filter & ori_data$year == 2021 & ori_data$type == "actual"]
  cy_actual_sales <- ori_data$sales[cat_filter & ori_data$year == 2022 & ori_data$type == "actual"]
  # 定位需要赋值的行
  cy_actual_row <- cat_filter & ori_data$year == 2022 & ori_data$type == "actual"
  cy_budget_row <- cat_filter & ori_data$year == 2022 & ori_data$type == "budget"
  # 批量赋值
  ori_data$sales_inc_or_budget_acheved[cy_actual_row] <- ori_data$sales[cy_actual_row] / ly_actual_sales - 1
  ori_data$sales_inc_or_budget_acheved[cy_budget_row] <- cy_actual_sales / ori_data$sales[cy_budget_row]
}

两种方案运行后得到的结果和原有硬编码逻辑完全一致，且后续新增品类、扩展年份时只需要调整少量判断条件即可，维护成本远低于原始写法。 #

内容的提问来源于stack exchange，提问作者anderwyang