La numérotation des lignes à l'intérieur de groupes dans un bloc de données
De travail avec une trame de données similaire à ceci:
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
Je suis en train d'ajouter une colonne avec la numérotation à l'intérieur de chaque groupe. Cette façon de faire n'est évidemment pas en utilisant les pouvoirs de R:
df$num <- 1
for (i in 2:(length(df[,1]))) {
if (df[i,"cat"]==df[(i-1),"cat"]) {
df[i,"num"]<-df[i-1,"num"]+1
}
}
df
cat val num
1 aaa 0.05638315 1
2 aaa 0.25767250 2
3 aaa 0.30776611 3
4 aaa 0.46854928 4
5 aaa 0.55232243 5
6 bbb 0.17026205 1
7 bbb 0.37032054 2
8 bbb 0.48377074 3
9 bbb 0.54655860 4
10 bbb 0.81240262 5
11 ccc 0.28035384 1
12 ccc 0.39848790 2
13 ccc 0.62499648 3
14 ccc 0.76255108 4
15 ccc 0.88216552 5
Ce serait une bonne façon de le faire?
Vous devez vous connecter pour publier un commentaire.
Utilisation
ave
,ddply
,dplyr
oudata.table
:ou:
ou:
ou (le plus efficace en terme de mémoire, qu'il attribue par référence dans
DT
):ave
donne un flotteur à la place d'un int ici. Alternativement, pourrait changerdf$val
àseq_len(nrow(df))
. Je viens de tomber sur ce cours ici: stackoverflow.com/questions/42796857/...data.table
solution semble être plus rapide que d'utiliserfrank
:library(microbenchmark); microbenchmark(a = DT[, .(val ,num = frank(val)), by = list(cat)] ,b =DT[, .(val , id = seq_len(.N)), by = list(cat)] , times = 1000L)
dplyr
solution est bonne. Mais si, comme moi, vous avez continué à obtenir bizarre des erreurs lorsque vous essayez cette approche, assurez-vous que vous êtes de ne pas obtenir les conflits entreplyr
etdplyr
comme expliqué ce post Elle peut être évitée en appelant explicitementdplyr::mutate(...)
data.table
méthode estsetDT(df)[, id:=rleid(val), by=.(cat)]
library(plyr)
etlibrary(dplyr)
réponses pour faire le classement val de colonne dans l'ordre décroissant?df <- df[order(df$val),]
data.table
était le moste de manière efficace, il ne le prit pas une seconde pour calculer environ 17000 lignes. À l'aide deddply
il était en cours d'exécution pour toujours, donc j'ai dû tuer le processus.Pour la fabrication de ce r-faq question plus complète, une base de R alternative avec
sequence
etrle
:qui donne le résultat escompté:
Si
df$cat
est un facteur variable, vous devez envelopper dansas.character
première:cat
de la colonne à trier?cat
Ici est une option à l'aide d'un
for
boucle par des groupes plutôt par des lignes (comme OP n')Voici une petite amélioration truc qui permet de tri 'val' à l'intérieur de l'groupes:
Je voudrais ajouter un
data.table
variante en utilisant lerank()
fonction qui offre la possibilité de modifier l'ordre et donc la rend un peu plus souple que leseq_len()
solution et est assez similaire à la fonction row_number fonctions dans les SGBDR.Un autre
dplyr
possibilité pourrait être:1:n()
à l'aide deseq_len(n())
est plus sûr, dans le cas où dans votre séquence d'opérations que vous avez une situation oùn()
pourrait revenir0
, parce que1:0
vous donne une longueur de deux vecteurs alors queseq_len(0)
donne une longueur d'un vecteur nul, donc d'éviter une longueur d'erreur d'incompatibilité avecmutate()
.