Создать индексный столбец на основе существующих групп строк (с дубликатами)
Вопрос похож на (Обновить) Добавить индексный столбец в data.frame на основе двух столбцов
Вот мой пример data.frame:
df = read.table(text = 'ID Day Count Count_group
77661 14498 4 5
76552 14498 4 5
37008 14498 4 5
34008 14498 4 5
30004 14497 1 5
30004 14497 1 4
28047 14496 3 4
28049 14496 3 4
29003 14496 3 4
69012 14468 1 4
69007 14467 3 4
69012 14467 3 4
69020 14467 3 4
42003 13896 2 4
42011 13896 2 4
22001 13895 2 4
23007 13895 2 4
28047 14496 3 3
28049 14496 3 3
29003 14496 3 3
69007 14467 3 3
69012 14467 3 3
69020 14467 3 3
48005 14271 2 2
48007 14271 2 2
22001 13895 2 2
23007 13895 2 2
47011 14320 1 2
73005 14319 1 2
73005 14319 1 1', header = TRUE)
Count Col показывает сумму ID значения сгруппированы по Day, Count_group показывает сумму уникального Count долины сгруппированы по Day а также Day -1,
Мне нужно создать столбец индекса, который группирует Count_group от Day а также Day -1 следуя в порядке убывания df (с дубликатами!).
Вот мой ожидаемый результат:
ID Day Count Count_group index_col
77661 14498 4 5 1
76552 14498 4 5 1
37008 14498 4 5 1
34008 14498 4 5 1
30004 14497 1 5 1
30004 14497 1 4 2
28047 14496 3 4 2
28049 14496 3 4 2
29003 14496 3 4 2
69012 14468 1 4 3
69007 14467 3 4 3
69012 14467 3 4 3
69020 14467 3 4 3
42003 13896 2 4 4
42011 13896 2 4 4
22001 13895 2 4 4
23007 13895 2 4 4
28047 14496 3 3 5
28049 14496 3 3 5
29003 14496 3 3 5
69007 14467 3 3 6
69012 14467 3 3 6
69020 14467 3 3 6
48005 14271 2 2 7
48007 14271 2 2 7
22001 13895 2 2 8
23007 13895 2 2 8
47011 14320 1 2 9
73005 14319 1 2 9
73005 14319 1 1 10
И сделать то же самое, но с index_col группировка по 3 дням: Day, Day -1 а также Day -2:
df_2 = read.table(text = 'ID Day Count Count_group
30004 14497 1 5
28047 14496 3 5
28049 14496 3 5
29003 14496 3 5
69012 14495 1 5
69007 14467 3 5
69012 14467 3 5
69020 14467 3 5
42003 14466 1 5
42011 14465 1 5
28047 14496 3 4
28049 14496 3 4
29003 14496 3 4
69012 14995 1 4
22001 13895 2 4
23007 13895 2 4
28047 13894 2 4
28049 13894 2 4
42003 14466 1 2
42011 14465 1 2
28047 13894 2 2
28049 13894 2 2
69012 14995 1 1
42011 14465 1 1', header = TRUE)
Ожидаемый результат:
ID Day Count Count_group index_col
30004 14497 1 5 1
28047 14496 3 5 1
28049 14496 3 5 1
29003 14496 3 5 1
69012 14495 1 5 1
69007 14467 3 5 2
69012 14467 3 5 2
69020 14467 3 5 2
42003 14466 1 5 2
42011 14465 1 5 2
28047 14496 3 4 3
28049 14496 3 4 3
29003 14496 3 4 3
69012 14995 1 4 3
22001 13895 2 4 4
23007 13895 2 4 4
28047 13894 2 4 4
28049 13894 2 4 4
42003 14466 1 2 5
42011 14465 1 2 5
28047 13894 2 2 6
28049 13894 2 2 6
69012 14995 1 1 7
42011 14465 1 1 8
Есть ли у вас предложения? Я хочу создать общий код, который можно было бы применить (с небольшими изменениями) как к df, df_2, так и к другим data.frames с переменной группировки n дней.
1 ответ
С помощью dplyr:
df %>% mutate(index_col = cumsum(!c(+Inf,diff(Day))%in%c(0,-1)))
Пояснение:
c(+Inf,diff(Day))
Как вы хотите два дня подряд, я вычисляю разницу на Day с diff(Day), Как diff возвратный вектор размера n-1Я должен добавить значение для верхней части вектора, я выбираю +Inf,
!(... %in% c(0,-1))
Я проверяю, что значение одинаково Day или же Day-1 как они должны быть сгруппированы, я хочу, когда это не так.
cumsum(...)
Наконец, я использую cumsum знать, сколько изменений происходит.
Выход:
Это работа для ваших двух примеров
> df %>% mutate(index_col = cumsum(!c(+Inf,diff(Day))%in%c(0,-1)))
ID Day Count Count_group index_col
1 30004 14497 1 4 1
2 28047 14496 3 4 1
3 28049 14496 3 4 1
4 29003 14496 3 4 1
5 69012 14468 1 4 2
6 69007 14467 3 4 2
7 69012 14467 3 4 2
8 69020 14467 3 4 2
9 42003 13896 2 4 3
10 42011 13896 2 4 3
11 22001 13895 2 4 3
12 23007 13895 2 4 3
13 28047 14496 3 3 4
14 28049 14496 3 3 4
15 29003 14496 3 3 4
16 69007 14467 3 3 5
17 69012 14467 3 3 5
18 69020 14467 3 3 5
19 48005 14271 2 2 6
20 48007 14271 2 2 6
21 22001 13895 2 2 7
22 23007 13895 2 2 7
23 47011 14320 1 2 8
24 73005 14319 1 2 8
25 73005 14319 1 1 8
а также
> df_2 %>% mutate(index_col = cumsum(!c(+Inf,diff(Day))%in%c(0,-1)))
ID Day Count Count_group index_col
1 30004 14497 1 5 1
2 28047 14496 3 5 1
3 28049 14496 3 5 1
4 29003 14496 3 5 1
5 69012 14495 1 5 1
6 69007 14467 3 5 2
7 69012 14467 3 5 2
8 69020 14467 3 5 2
9 42003 14466 1 5 2
10 42011 14465 1 5 2
11 28047 14496 3 4 3
12 28049 14496 3 4 3
13 29003 14496 3 4 3
14 69012 14495 1 4 3
15 22001 13895 2 4 4
16 23007 13895 2 4 4
17 28047 13894 2 4 4
18 28049 13894 2 4 4
19 42003 14466 1 2 5
20 42011 14465 1 2 5
21 28047 13894 2 2 6
22 28049 13894 2 2 6
23 69012 14995 1 1 7
24 42011 14465 1 1 8