Вставить преобразование в новую строку, а не колонки

Question

Образец данных:

Date <- as.Date(c('1-01-2008','2-01-2008', '3-01-2008', '1-01-2008','2-01- 2008', '3-01-2008','1-01-2008','2-01-2008', '3-01-2008', '1-01-2008','2-01-2008', '3-01-2008'), format = "%m-%d-%Y") 
Country <- c('US', 'US','US', 'JP', 'JP', 'JP', 'US', 'US','US', 'JP', 'JP', 'JP') 
Category <- c('Apple', 'Apple', 'Apple', 'Apple', 'Apple', 'Apple', 'foo', 'foo','foo', 'foo','foo', 'foo') 
Value <- c(runif(12, -0.5, 10)) 
df <- data.frame(Date, Country, Category, Value) 

То, что я хочу сделать, это вычесть для каждого месяца и в каждой стране значения Apple, и обув (так для США и 2008-01- 01 значение будет -1.2357797). Однако я хочу, чтобы вставить результат в виде строки, с указанием категории, например. «Дифференциал».

я понял, как сделать это с dplyr/мутировать, но только вставив целый новый столбец, в этом случае таблица не имеет смысла больше (как категории не подходят и я преобразования в список ниже):

df <- df %>% 
group_by(Country, Date) %>% 
    mutate(
     diff = Value[Category=="Apple"] - Value[Category=="foo"]) 

Edit: Важно: Я хочу добавить несколько преобразований таким образом, не только различия, упомянутые в данном примере.

Редактировать2: Спасибо за все полезные ответы. Используя метод tidyr/dplyr предложенный @akrun я буду использовать это, чтобы вставить больше преобразований:

library(tidyr) 
library(dplyr) 
df <- spread(df, Category, Value) %>% 
    mutate(diff=Apple- foo, xyz = Apple+foo) %>% 
    gather(Category, Value, Apple:diff, Apple:xyz) 

Answer 1

Мы можем использовать либо data.table или dplyr. С помощью data.table преобразуйте «data.frame» в «data.table» (setDT(df)), сгруппированные по «Дата», «Страна», мы получаем разницу «Значение» для соответствующих значений «Apple» и «foo» в ' Категория ", а также создать« Категория »с« diff »в качестве значения. Это будет новый обобщенный набор данных ('dfN'), который мы можем rbind с исходным набором данных с использованием rbindlist. При необходимости, мы можем order на 'Дата', 'Страна'

library(data.table) 
dfN <- setDT(df)[, 
    list(Category="diff", 
     Value=Value[Category=="Apple"]- Value[Category=="foo"]), 
       by = .(Date, Country)] 
rbindlist(list(df, dfN))[order(Date,Country)] 
#  Date Country Category  Value 
# 1: 2008-01-01  JP Apple 9.8861949 
# 2: 2008-01-01  JP  foo 6.8009149 
# 3: 2008-01-01  JP  diff 3.0852799 
# 4: 2008-01-01  US Apple -0.3047560 
# 5: 2008-01-01  US  foo 9.1748432 
# 6: 2008-01-01  US  diff -9.4795991 
# 7: 2008-02-01  JP Apple 8.7836616 
# 8: 2008-02-01  JP  foo 5.4775849 
# 9: 2008-02-01  JP  diff 3.3060767 
#10: 2008-02-01  US Apple 1.6155057 
#11: 2008-02-01  US  foo 3.6720346 
#12: 2008-02-01  US  diff -2.0565289 
#13: 2008-03-01  JP Apple 1.9879906 
#14: 2008-03-01  JP  foo 7.1387297 
#15: 2008-03-01  JP  diff -5.1507391 
#16: 2008-03-01  US Apple 1.1435151 
#17: 2008-03-01  US  foo 0.6596238 
#18: 2008-03-01  US  diff 0.4838913 

---

Или другой вариант использует dcast/melt из data.table

melt(dcast(setDT(df), Date+Country~Category, 
    value.var='Value')[, diff:= Apple-foo], 
     id.var=c('Date', 'Country')) 

---

Если мы используем опцию gather/spread (аналогично до melt/dcast) от tidyr,

library(tidyr) 
library(dplyr) 
spread(df, Category, Value) %>% 
     mutate(diff=Apple- foo) %>% 
     gather(Category, Value, Apple:diff) 

Или используйте dplyr, мы используем ту же технику, а не rbindlist, мы делаем с bind_rows.

library(dplyr) 
df %>% 
    group_by(Country, Date) %>% 
    summarise(Value = Value[Category=="Apple"] - 
         Value[Category=="foo"], 
       Category= "diff") %>% 
    bind_rows(df, .) %>% 
    arrange(Date, Country) 
#  Date Country Category  Value 
#  (date) (fctr) (chr)  (dbl) 
#1 2008-01-01  JP Apple 9.8861949 
#2 2008-01-01  JP  foo 6.8009149 
#3 2008-01-01  JP  diff 3.0852799 
#4 2008-01-01  US Apple -0.3047560 
#5 2008-01-01  US  foo 9.1748432 
#6 2008-01-01  US  diff -9.4795991 
#7 2008-02-01  JP Apple 8.7836616 
#8 2008-02-01  JP  foo 5.4775849 
#9 2008-02-01  JP  diff 3.3060767 
#10 2008-02-01  US Apple 1.6155057 
#11 2008-02-01  US  foo 3.6720346 
#12 2008-02-01  US  diff -2.0565289 
#13 2008-03-01  JP Apple 1.9879906 
#14 2008-03-01  JP  foo 7.1387297 
#15 2008-03-01  JP  diff -5.1507391 
#16 2008-03-01  US Apple 1.1435151 
#17 2008-03-01  US  foo 0.6596238 
#18 2008-03-01  US  diff 0.4838913