使用类似于以下内容的数据框:
set.seed(100)
df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))
df <- df[order(df$cat, df$val), ]
df
cat val
1 aaa 0.05638315
2 aaa 0.25767250
3 aaa 0.30776611
4 aaa 0.46854928
5 aaa 0.55232243
6 bbb 0.17026205
7 bbb 0.37032054
8 bbb 0.48377074
9 bbb 0.54655860
10 bbb 0.81240262
11 ccc 0.28035384
12 ccc 0.39848790
13 ccc 0.62499648
14 ccc 0.76255108
15 ccc 0.88216552
我正在尝试在每个组中添加一列编号。这样做显然不使用R的能力:
df$num <- 1
for (i in 2:(length(df[,1]))) {
if (df[i,"cat"]==df[(i-1),"cat"]) {
df[i,"num"]<-df[i-1,"num"]+1
}
}
df
cat val num
1 aaa 0.05638315 1
2 aaa 0.25767250 2
3 aaa 0.30776611 3
4 aaa 0.46854928 4
5 aaa 0.55232243 5
6 bbb 0.17026205 1
7 bbb 0.37032054 2
8 bbb 0.48377074 3
9 bbb 0.54655860 4
10 bbb 0.81240262 5
11 ccc 0.28035384 1
12 ccc 0.39848790 2
13 ccc 0.62499648 3
14 ccc 0.76255108 4
15 ccc 0.88216552 5
什么是做到这一点的好方法?
使用ave
,ddply
,dplyr
或data.table
:
df$num <- ave(df$val, df$cat, FUN = seq_along)
要么:
library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))
要么:
library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())
或(最有效的内存,由内的引用分配DT
):
library(data.table)
DT <- data.table(df)
DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
可能值得一提的是,
ave
此处给出的是浮点数而不是整数。或者,可以更改df$val
为seq_len(nrow(df))
。我在这里遇到了这个问题:stackoverflow.com/questions/42796857/…有趣的是,此
data.table
解决方案似乎比使用frank
以下方法更快:library(microbenchmark); microbenchmark(a = DT[, .(val ,num = frank(val)), by = list(cat)] ,b =DT[, .(val , id = seq_len(.N)), by = list(cat)] , times = 1000L)
谢谢!该
dplyr
解决方案是好的。但是,如果像我一样,在尝试这种方法时不断出现奇怪的错误,请确保您之间不会发生冲突plyr
,dplyr
正如本文所述,可以通过显式调用来避免dplyr::mutate(...)
另一种
data.table
方法是setDT(df)[, id:=rleid(val), by=.(cat)]
如何修改
library(plyr)
和library(dplyr)
答案以使排名val列按降序排列?