给大家展示一个tidyverse优雅数据思维编程的案例。想要学习R 语言 tidyverse优雅编程，只需要下载学习我的免费课件[学习分享] 张敬信：分享我的1393页《R语言编程：基于tidyverse》完整课件

---

1 问题描述

问题来自好友 @楚新元 实际的工作场景，稍有改编：

某单位有如下 Excel 格式记录的员工考勤表（姓名是随机编造的），只截取一部分，共有 265 名员工，按 12 个月份记录了缺勤情况：

实际数据往往存在：

• 描述同一件事用词却不同、格式不同
• 记录形式多是文本，其中文字、数值、单位混杂，不能直接用于汇总计算
  

在数据操作之外，这些都需要做一定的文本处理，而文本处理又几乎肯定用到正则表达式。

本问题想要得到两种汇总结果：

• 每个员工的出勤记录的文字描述汇总（不能直接按行合并，因为需要修正描述不一致）
• 针对不同的缺勤，以及缺勤惩罚方式（扣钱），计算每个员工的扣发金额
  

下面来逐步解决问题。

先加载包：

2 数据清洗

2.1 数据读取与重塑

显然这是一个不整洁的宽表，先读取数据、做长变宽，同时设置两个额外参数以忽略缺失值、从原列名解析出数值（月份）：

可以看到，事项列有的单元格记录了多件事情，其实不止、分割，还有用， ； 分割。需要将这种多条记录，切分成多行的单条记录，用 separate_rows() 即可：

现在数据表面看起来是整洁数据了。

2.2 文本数据处理

这步需要业务逻辑，发现记录中的不一致问题，具体问题具体分析解决。

首先，事项中包含两个信息：事项、天数，但也有特殊的，比如有 全月病假、全月产假，其后不带“数字天”，注意也不是都带“假”字，有居家办公、居家隔离办公其后带“数字天”。

从貌似没有规律的文本中，发现并表达规律，就需要用到正则表达式。

有两种处理思路，一种是用两次 str_extract() 分别提取两个信息 ；一种是直接用 extract() (类似分组捕获）同时提取两个信息，这里选择后者。

extract()的基本语法是，提供对哪列做提取，提取出来作为哪几列，最主要的是正则表达式设计，用的 ()分组语法，位于其中的是要提取的部分：一个或多个非数值即汉字，数字加多个任意字符或者结尾。 这里的关键是，有的事项里不带“数字天”，所以必须要有 |$ （或者结尾），否则会牵连到整个正则表达式无法正确的匹配。

接着，天数列中包含“天”等，修改列解析成数值，解析失败的将变成 NA，正好对应原事项中不包含“数字天”的，也正好对应“全月...” 。那么全月，就需要计算该月的天数插补上，为此，先自定义一个小函数（来自楚新元，我本来是自己写代码计算，用他这个更简洁）根据年月计算当月天数。

再次，对于 事项 列，有很多同一事项的不同表示，需要做一定的归并：

比如，年休，休假，都归到年休假。这属于多分支重新编码，借助 case_when() 来实现：

注意到，同一名员工，同一种事项，可能有多次，先加以汇总：

至此，数据清洗完成，后续无论做何种汇总，都已经非常方便。

3 汇总1：按员工汇总缺勤描述

对同一员工的所有事项及天数，先拼接，再分组汇总（拼接）：

写出到 Excel 文件：

4 汇总2：按员工汇总缺勤扣发金额

要计算缺勤扣发金额，首先需要准备一个查找表，提供每种缺勤，及对应的扣发计算公式（根据天数）。

一个计算公式实际上是一个函数，所以查找表有两列：事项（缺勤）、计算公式（函数）

我这里只是演示，是自己编的计算公式，基本格式是某缺勤在一定天数之内不扣钱，超过部分按100元/天。既然有基本格式，就有必要为其写个辅助函数，省的重复写代码。

创建查找表：

注意，函数需要用列表列存放。另外，这里的函数必须得是 R 函数，不能是purrr 公式，因为后续要用于 invoke_map_*() 是不支持的。

接着，从前文清洗好的 df 数据开始，根据事项匹配左连接查找表 lookup：

接下来，就是将 fun 列的函数，分别应用到天数列，计算出扣发金额。这也是我第一次遇到需要使用 invoke_map_*() 的实际场景。

每人的扣发金额都计算出来了，最后，就是简单的分组汇总了：

写出到 Excel 略。

问题圆满解决！