r中的方差数据分析将html中的输出转换为HTML

Question

bounty到期在5小时内。该问题的答案有资格获得+ 50声望赏金。Vector JX想要引起更多关注对此问题。

我有以下提到的数据框：

数据：

ID     Date                    Date2                Category   Sys_Value   Ori_Value   group    position     status
TE-1   2020-01-20 15:12:16     2020-01-20 15:12:16  X          10          15          rt_vs    send         Pending
TE-1   2020-01-20 15:12:16                          X          10                      rt_vs    send         Reject pre received 
TE-1   2020-01-20 15:12:16                          X1          10                      rt_el    send        Reject post received
TE-1   2020-01-20 15:12:16     2020-01-20 15:12:16  Y          13          20          rt_vs    send         Pending
TE-1   2020-01-20 15:12:16     2020-01-20 15:12:16  Y1         30          25          rt_vs    send         Pending
TE-1   2020-01-20 15:12:16     2020-01-20 15:12:16  X          20          23          rt_vs    hold         Pending
TE-1   2020-01-20 15:12:16     2020-01-20 15:12:16  X          30          38          rt_el    hold         Pending
TE-1   2020-01-19 15:12:16     2020-01-20 15:12:16  X          05          15          rt_vs    hold         Pending
TE-1   2020-01-19 15:12:16     2020-01-20 15:12:16  X          10          15          rt_vs    hold         Pending
TE-1   2020-01-19 15:12:16     2020-01-20 15:12:16  X          10          15          rt_vs    hold         Pending

使用上述数据帧，我需要在Ori_Value与下面的Sys_Value的比较之间进行方差分析。

https://docs.google.com/spreadsheets/d/1sh-T9w8nv9zOAMU4_ERbKf2vOZJNmnibq10OIhydEW4/edit?usp=sharing步骤：

1. 将X，X1，Y1，Y2，Z和Z1保留为静态类别，因为数据框始终仅具有来自这些类别的值。如果在某个特定日期中Z类别在数据框中不可用，则将其保留为0。

   • 排列值基础类别
   • 0.5到5，依此类推，将是静态存储桶，基于该存储桶将汇总所有类别的日期
   • 计数和总和将基于类别进行汇总，存储桶和日期等为0.5到5

2. 我们将考虑HTML标头中数据框的最新日期，并对该日期进行方差分析（仅适用于2020-01-20）]]

3. 我们需要基于group的两个单独的html输出（即rt_vs和rt_el）

4. 状态包含拒绝的received词，请在拒绝方案中使用
5. 发送请求将在Date2和Ori_Value不为空白的地方

[请参考Google表格以更好地了解要求。我通常在excel上进行此分析，这非常耗时且需要人工。

需要帮助和支持才能在R上完成并将其转换为html，以便可以使用mailR库轻松通过电子邮件发送。

直到我的方法：

colnames(res1)[colnames(res1)=="group"] <- "rt_vs"
colnames(res1)[colnames(res1)=="Price"] <- "Ori_Value"
res1[5:6] <- lapply(res1[5:6], factor)
res1$Value<-as.numeric(as.integer(res1$Value))


library(tables)

outstring <- function(x) if (length(x)) sprintf("%d (%d)", length(x), sum(x)) else 0
考虑Sys_Value

`<0.5 to 5` <- function(x) outstring(x[x >= 50000 & x < 100000])
`5 to 10` <- function(x) outstring(x[x >= 50000 & x < 100000])
`10-20` <- function(x) outstring(x[x >= 100000 & x < 300000])
`20-30` <- function(x) outstring(x[x >= 300000 & x < 500000])
`30-35` <- function(x) outstring(x[x >= 500000 & x < 1000000])

我有以下提到的数据帧：数据：ID日期Date2类别Sys_Value Ori_Value组位置状态TE-1 2020-01-20 15:12:16 2020-01 -...

Answer 1

我建议您从理解数据中阅读this blog post