Нумерация строк в группах в кадре данных
Работа с фреймом данных, похожим на этот:
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
Я пытаюсь добавить столбец с нумерацией в каждой группе. Делая это таким образом, очевидно, не используя полномочия R:
df$num <- 1
for (i in 2:(length(df[,1]))) {
if (df[i,"cat"]==df[(i-1),"cat"]) {
df[i,"num"]<-df[i-1,"num"]+1
}
}
df
cat val num
1 aaa 0.05638315 1
2 aaa 0.25767250 2
3 aaa 0.30776611 3
4 aaa 0.46854928 4
5 aaa 0.55232243 5
6 bbb 0.17026205 1
7 bbb 0.37032054 2
8 bbb 0.48377074 3
9 bbb 0.54655860 4
10 bbb 0.81240262 5
11 ccc 0.28035384 1
12 ccc 0.39848790 2
13 ccc 0.62499648 3
14 ccc 0.76255108 4
15 ccc 0.88216552 5
Что было бы хорошим способом сделать это?
12 ответов
Использование ave, ddply, dplyr или же data.table:
df$num <- ave(df$val, df$cat, FUN = seq_along)
или же:
library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))
или же:
library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())
или (наиболее эффективным с точки зрения памяти, так как он назначается по ссылке в DT):
library(data.table)
DT <- data.table(df)
DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
Для того чтобы сделать этот вопрос r-faq более полным, есть базовая альтернатива R с sequence а также rle:
df$num <- sequence(rle(df$cat)$lengths)
который дает намеченный результат:
> df cat val num 4 aaa 0.05638315 1 2 aaa 0.25767250 2 1 aaa 0.30776611 3 5 aaa 0.46854928 4 3 aaa 0.55232243 5 10 bbb 0.17026205 1 8 bbb 0.37032054 2 6 bbb 0.48377074 3 9 bbb 0.54655860 4 7 bbb 0.81240262 5 13 ccc 0.28035384 1 14 ccc 0.39848790 2 11 ccc 0.62499648 3 15 ccc 0.76255108 4 12 ccc 0.88216552 5
Если df$cat является переменной фактора, вам нужно обернуть ее в as.character первый:
df$num <- sequence(rle(as.character(df$cat))$lengths)
Вот небольшой трюк для улучшения, который позволяет сортировать 'val' внутри групп:
# 1. Data set
set.seed(100)
df <- data.frame(
cat = c(rep("aaa", 5), rep("ccc", 5), rep("bbb", 5)),
val = runif(15))
# 2. 'dplyr' approach
df %>%
arrange(cat, val) %>%
group_by(cat) %>%
mutate(id = row_number())
Другая dplyr возможность может быть:
df %>%
group_by(cat) %>%
mutate(num = 1:n())
cat val num
<fct> <dbl> <int>
1 aaa 0.0564 1
2 aaa 0.258 2
3 aaa 0.308 3
4 aaa 0.469 4
5 aaa 0.552 5
6 bbb 0.170 1
7 bbb 0.370 2
8 bbb 0.484 3
9 bbb 0.547 4
10 bbb 0.812 5
11 ccc 0.280 1
12 ccc 0.398 2
13 ccc 0.625 3
14 ccc 0.763 4
15 ccc 0.882 5
Я хотел бы добавить data.table вариант с использованием rank() функция, которая предоставляет дополнительную возможность изменить порядок и тем самым делает его немного более гибким, чем seq_len() решение и очень похоже на функции row_number в RDBMS.
# Variant with ascending ordering
library(data.table)
dt <- data.table(df)
dt[, .( val
, num = rank(val))
, by = list(cat)][order(cat, num),]
cat val num
1: aaa 0.05638315 1
2: aaa 0.25767250 2
3: aaa 0.30776611 3
4: aaa 0.46854928 4
5: aaa 0.55232243 5
6: bbb 0.17026205 1
7: bbb 0.37032054 2
8: bbb 0.48377074 3
9: bbb 0.54655860 4
10: bbb 0.81240262 5
11: ccc 0.28035384 1
12: ccc 0.39848790 2
13: ccc 0.62499648 3
14: ccc 0.76255108 4
# Variant with descending ordering
dt[, .( val
, num = rank(-val))
, by = list(cat)][order(cat, num),]
Вот вариант с использованием for цикл по группам, а не по строкам (как OP сделал)
for (i in unique(df$cat)) df$num[df$cat == i] <- seq_len(sum(df$cat == i))
Используя rowid() функционировать в data.table:
> set.seed(100)
> df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))
> df <- df[order(df$cat, df$val), ]
> df$num <- data.table::rowid(df$cat)
> df
cat val num
4 aaa 0.05638315 1
2 aaa 0.25767250 2
1 aaa 0.30776611 3
5 aaa 0.46854928 4
3 aaa 0.55232243 5
10 bbb 0.17026205 1
8 bbb 0.37032054 2
6 bbb 0.48377074 3
9 bbb 0.54655860 4
7 bbb 0.81240262 5
13 ccc 0.28035384 1
14 ccc 0.39848790 2
11 ccc 0.62499648 3
15 ccc 0.76255108 4
12 ccc 0.88216552 5
Очень простое, аккуратное решение:
library(tidyverse)
iris %>%
mutate(row_num = seq_along(Sepal.Length)) %>%
head
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species row_num
# 1 5.1 3.5 1.4 0.2 setosa 1
# 2 4.9 3.0 1.4 0.2 setosa 2
# 3 4.7 3.2 1.3 0.2 setosa 3
# 4 4.6 3.1 1.5 0.2 setosa 4
# 5 5.0 3.6 1.4 0.2 setosa 5
# 6 5.4 3.9 1.7 0.4 setosa 6
Другое базовое решение R заключалось бы в
split фрейм данных на
cat, после этого используя
lapply: добавить столбец с номером
1:nrow(x). Последний шаг - вернуть окончательный фрейм данных с помощью
do.call, то есть:
df_split <- split(df, df$cat)
df_lapply <- lapply(df_split, function(x) {
x$num <- seq_len(nrow(x))
return(x)
})
df <- do.call(rbind, df_lapply)
Вdevelверсияdplyr
library(dplyr)
df %>%
mutate(num = row_number(), .by = "cat")
Аcollapse/data.tableрешение, которое использует сгруппированную кумулятивную сумму по последовательности единиц.
library(data.table)
library(collapse)
set.seed(100)
df <- data.table(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)),
val = runif(15))
setorder(df, cat, val)
df[, id := fcumsum(alloc(1L, .N), g = cat)][]
#> cat val id
#> 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
Создано 7 июня 2023 г. с использованием reprex v2.0.2.
Вы можете превратить строки в множители, а затем преобразовать их в числовые.
as.numeric(factor(cat)) с dplyr:
df %>% mutate(num = as.numeric(factor(cat)))