r - 创建一个以一个特定值及其另一个变量的行索引为条件的分类变量

Question

为了简单和可重复性，我在这里使用一个简单的数据框：

set.seed(1234)
df <- data.frame(v1 = sample(c("A", "B", "C", "D", "E", "F"), 100, 
                 replace = TRUE, prob = c(0.1,0.2,0.2,0.2,0.2,0.1)))

我的真实数据集包含从 pdf 文档中抓取的几页。想象一下，“ A ”表示一个新页面的开始。因此，例如，直到第一个“ A ”出现的行，所有数据都属于第一页。

通过使用以下代码，我可以轻松获取新页面开始的行索引：

page <- which(df$v1 == "A")

结果：在第 14 28 39 81 92 行中，我们观察到“ A ”。

为了能够按页面对数据进行分组，我想创建一个指示页码的新变量。因此，我想为行索引 < 14 的所有行分配值为 1，索引在 14 到 27 之间的所有行的值为 2，索引在 28 到 38 之间的所有行的值为 3，依此类推。

当然我的数据集比这个例子大很多，所以一个简单ifelse()的指定条件的解决方案效率不高。此外，我希望拥有可以应用于其他数据（从其他 pdf 中抓取）的通用代码，这些数据将在不同位置具有“ A ”。

我已经在互联网上搜索了很多，但我找不到与我的情况相似的东西。如果有人可以帮助我，我将不胜感激，因为我不知道如何处理这种情况。

提前非常感谢！

标签： rstringcategoriesdata-manipulationrecode

Answer 1

您可以使用cumsum

df$page = cumsum(df$v1 == "A") + 1L