Как создать последовательный индекс на основе переменной группировки в фрейме данных
У меня есть кадр данных (all_data), в котором у меня есть список сайтов (от 1... до n) и их оценки, например
site score
1 10
1 11
1 12
4 10
4 11
4 11
8 9
8 8
8 7
Я хочу создать столбец, который будет указывать каждый уровень сайта в числовом порядке, например, счетчик. В этом примере сайты (1, 4 и 8) будут иметь соответствующий счетчик от 1 до 3 в столбце "число":
site score number
1 10 1
1 11 1
1 12 1
4 10 2
4 11 2
4 11 2
8 9 3
8 8 3
8 7 3
Я уверен, что это нужно легко решить, но я еще не нашел пути.
Ответы
Ответ 1
Попробуйте Data$number <- as.numeric(as.factor(Data$site))
На стороне: разница между решением me и @Chase, с одной стороны, и одной из @DWin - с другой, является упорядочением чисел. Оба as.factor и factor будут автоматически сортировать уровни, тогда как это не происходит в решении @DWin:
Dat <- data.frame(site = rep(c(1,8,4), each = 3), score = runif(9))
Dat$number <- as.numeric(factor(Dat$site))
Dat$sitenum <- match(Dat$site, unique(Dat$site) )
дает
> Dat
site score number sitenum
1 1 0.7377561 1 1
2 1 0.3131139 1 1
3 1 0.7862290 1 1
4 8 0.4480387 3 2
5 8 0.3873210 3 2
6 8 0.8778102 3 2
7 4 0.6916340 2 3
8 4 0.3033787 2 3
9 4 0.6552808 2 3
Ответ 2
Это должно быть достаточно эффективным и понятным:
Dat$sitenum <- match(Dat$site, unique(Dat$site))
Ответ 3
Два других варианта:
1) Используя функцию .GRP из пакета data.table:
library(data.table)
setDT(dat)[, num := .GRP, by = site]
с примером набора данных снизу это приводит к:
> dat
site score num
1: 1 0.14945795 1
2: 1 0.60035697 1
3: 1 0.94643075 1
4: 8 0.68835336 2
5: 8 0.50553372 2
6: 8 0.37293624 2
7: 4 0.33580504 3
8: 4 0.04825135 3
9: 4 0.61894754 3
10: 8 0.96144729 2
11: 8 0.65496051 2
12: 8 0.51029199 2
2) Используя функцию group_indices из dplyr:
dat$num <- group_indices(dat, site)
или когда вы хотите работать с нестандартной оценкой:
library(dplyr)
dat %>%
mutate(num = group_indices_(dat, .dots = c('site')))
что приводит к:
site score num
1 1 0.42480366 1
2 1 0.98736177 1
3 1 0.35766187 1
4 8 0.06243182 3
5 8 0.55617002 3
6 8 0.20304632 3
7 4 0.90855921 2
8 4 0.25215078 2
9 4 0.44981251 2
10 8 0.60288270 3
11 8 0.46946587 3
12 8 0.44941782 3
Как видно, dplyr дает другой порядок номеров групп.
Если вы хотите, чтобы каждый раз, когда группа меняет другой номер, есть несколько других параметров:
1) с базой R:
# option 1:
dat$num <- cumsum(c(TRUE, head(dat$site, -1) != tail(dat$site, -1)))
# option 2:
x <- rle(dat$site)$lengths
dat$num <- rep(seq_along(x), times=x)
2) с пакетом data.table:
library(data.table)
setDT(dat)[, num := rleid(site)]
которые все приводят к:
> dat
site score num
1 1 0.80817855 1
2 1 0.07881334 1
3 1 0.60092828 1
4 8 0.71477988 2
5 8 0.51384565 2
6 8 0.72011650 2
7 4 0.74994627 3
8 4 0.09564052 3
9 4 0.39782587 3
10 8 0.29446540 4
11 8 0.61725367 4
12 8 0.97427413 4
Используемые данные:
dat <- data.frame(site = rep(c(1,8,4,8), each = 3), score = runif(12))
Ответ 4
Вы можете превратить сайт в коэффициент и затем вернуть числовые или целочисленные значения этого фактора:
dat <- data.frame(site = rep(c(1,4,8), each = 3), score = runif(9))
dat$number <- as.integer(factor(dat$site))
dat
site score number
1 1 0.5305773 1
2 1 0.9367732 1
3 1 0.1831554 1
4 4 0.4068128 2
5 4 0.3438962 2
6 4 0.8123883 2
7 8 0.9122846 3
8 8 0.2949260 3
9 8 0.6771526 3
Ответ 5
Другое решение с использованием пакета data.table.
Пример с более полным набором данных, предоставленным Jaap:
setDT(dat)[, number := frank(site, ties.method = "dense")]
dat
site score number
1: 1 0.3107920 1
2: 1 0.3640102 1
3: 1 0.1715318 1
4: 8 0.7247535 3
5: 8 0.1263025 3
6: 8 0.4657868 3
7: 4 0.6915818 2
8: 4 0.3558270 2
9: 4 0.3376173 2
10: 8 0.7934963 3
11: 8 0.9641918 3
12: 8 0.9832120 3
Ответ 6
Используя данные из @Jaap, другой dplyr возможность с помощью dense_rank() может быть:
dat %>%
mutate(ID = dense_rank(site))
site score ID
1 1 0.1884490 1
2 1 0.1087422 1
3 1 0.7438149 1
4 8 0.1150771 3
5 8 0.9978203 3
6 8 0.7781222 3
7 4 0.4081830 2
8 4 0.2782333 2
9 4 0.9566959 2
10 8 0.2545320 3
11 8 0.1201062 3
12 8 0.5449901 3
Или rleid() -like dplyr, с данными, расположенными первыми:
dat %>%
arrange(site) %>%
mutate(ID = {ID_rleid = rle(site); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)})
site score ID
1 1 0.1884490 1
2 1 0.1087422 1
3 1 0.7438149 1
4 4 0.4081830 2
5 4 0.2782333 2
6 4 0.9566959 2
7 8 0.1150771 3
8 8 0.9978203 3
9 8 0.7781222 3
10 8 0.2545320 3
11 8 0.1201062 3
12 8 0.5449901 3
Или другая возможность rleid() -like dplyr, с данными, расположенными первыми:
dat %>%
arrange(site) %>%
mutate(ID = with(rle(site), rep(seq_along(lengths), lengths)))
Или используя duplicated() и cumsum():
df %>%
mutate(ID = cumsum(!duplicated(site)))
