时间戳

首页 > 解决方案 > R中按组的代码序列：组内的重复值

r - R中按组的代码序列：组内的重复值

问题描述

我想根据三列的组合编码一个数字序列：ID、年份和位置。我想将一个人在一个地方度过的年数作为一个序列来编号。序列应该在位置变化的那一年重新开始，所以即使一个人回到他们以前去过的地方，序列也应该重新开始。

带有序列的 df 应如下所示：

ID yr loc seq
1 1990 A 1
1 1991 A 2
1 1992 B 1
1 1993 B 2
1 1994 B 3
2 1990 B 1
2 1991 B 2
2 1992 A 1
2 1993 B 1
2 1994 B 2
3 1990 C 1
3 1991 C 2
3 1992 C 3
3 1993 B 1
3 1994 C 1

你知道如何在 R 中编写代码吗？

标签： rdplyrtime-seriessequencing

解决方案

在data.table中，我们有rleid使这里变得简单的函数。

library(data.table)

setDT(df)[, seq1 := seq_len(.N), .(ID, rleid(loc))]

df
#    ID   yr loc seq seq1
# 1:  1 1990   A   1    1
# 2:  1 1991   A   2    2
# 3:  1 1992   B   1    1
# 4:  1 1993   B   2    2
# 5:  1 1994   B   3    3
# 6:  2 1990   B   1    1
# 7:  2 1991   B   2    2
# 8:  2 1992   A   1    1
# 9:  2 1993   B   1    1
#10:  2 1994   B   2    2
#11:  3 1990   C   1    1
#12:  3 1991   C   2    2
#13:  3 1992   C   3    3
#14:  3 1993   B   1    1
#15:  3 1994   C   1    1

我们可以使用rleidindplyr和 base R 方法来获得预期的输出。

library(dplyr)
df %>%
 group_by(ID, grp = data.table::rleid(loc)) %>%
  mutate(seq1 = row_number())

或在基础 R 中：

df$seq1 <- with(df, ave(yr, ID, data.table::rleid(loc), FUN = seq_along))

@chinsoon12 建议的一个简洁选项是使用rowid函数。

setDT(df)[, seq2 := rowid(ID, rleid(loc))]

数据

df <- structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L), yr = c(1990L, 1991L, 1992L, 1993L, 1994L, 
1990L, 1991L, 1992L, 1993L, 1994L, 1990L, 1991L, 1992L, 1993L, 
1994L), loc = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 
2L, 3L, 3L, 3L, 2L, 3L), .Label = c("A", "B", "C"), class = "factor"), 
seq = c(1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 3L, 
1L, 1L)), class = "data.frame", row.names = c(NA, -15L))

推荐阅读