如何在R数据帧上执行分析函数，如Oracle ROW_NUMBER（），RANK（）或DENSE_RANK（）函数（请参阅http://www.orafaq.com/node/55）？ CRAN包“plyr”非常接近，但仍然不同。
我同意每个功能的功能都可以以临时方式实现。但我主要担心的是表现。为了记忆和速度，最好避免使用连接或索引访问。
答案 0 :(得分：28)
data.table包，特别是从1.8.1版本开始，提供了SQL术语中的大部分分区功能。 R中的rank(x, ties.method = "min")类似于Oracle RANK()，并且有一种方法可以使用因子（如下所述）来模仿DENSE_RANK()函数。模仿ROW_NUMBER的方法最后应该是显而易见的。
以下是一个示例：从R-Forge加载最新版本的data.table：
install.packages("data.table",
repos= c("http://R-Forge.R-project.org", getOption("repos")))
library(data.table)
创建一些示例数据：
set.seed(10)
DT<-data.table(ID=seq_len(4*3),group=rep(1:4,each=3),value=rnorm(4*3),
info=c(sample(c("a","b"),4*2,replace=TRUE),
sample(c("c","d"),4,replace=TRUE)),key="ID")
> DT
ID group value info
1: 1 1 0.01874617 a
2: 2 1 -0.18425254 b
3: 3 1 -1.37133055 b
4: 4 2 -0.59916772 a
5: 5 2 0.29454513 b
6: 6 2 0.38979430 a
7: 7 3 -1.20807618 b
8: 8 3 -0.36367602 a
9: 9 3 -1.62667268 c
10: 10 4 -0.25647839 d
11: 11 4 1.10177950 c
12: 12 4 0.75578151 d
在ID内减少value，对每个group进行排名（注意-前面的value表示递减顺序）：
> DT[,valRank:=rank(-value),by="group"]
ID group value info valRank
1: 1 1 0.01874617 a 1
2: 2 1 -0.18425254 b 2
3: 3 1 -1.37133055 b 3
4: 4 2 -0.59916772 a 3
5: 5 2 0.29454513 b 2
6: 6 2 0.38979430 a 1
7: 7 3 -1.20807618 b 2
8: 8 3 -0.36367602 a 1
9: 9 3 -1.62667268 c 3
10: 10 4 -0.25647839 d 3
11: 11 4 1.10177950 c 1
12: 12 4 0.75578151 d 2
对于在排名值中具有联系的DENSE_RANK()，您可以将值转换为因子，然后返回基础整数值。例如，根据ID中的info对每个group进行排名（将infoRank与infoRankDense进行比较）：
DT[,infoRank:=rank(info,ties.method="min"),by="group"]
DT[,infoRankDense:=as.integer(factor(info)),by="group"]
R> DT
ID group value info valRank infoRank infoRankDense
1: 1 1 0.01874617 a 1 1 1
2: 2 1 -0.18425254 b 2 2 2
3: 3 1 -1.37133055 b 3 2 2
4: 4 2 -0.59916772 a 3 1 1
5: 5 2 0.29454513 b 2 3 2
6: 6 2 0.38979430 a 1 1 1
7: 7 3 -1.20807618 b 2 2 2
8: 8 3 -0.36367602 a 1 1 1
9: 9 3 -1.62667268 c 3 3 3
10: 10 4 -0.25647839 d 3 2 2
11: 11 4 1.10177950 c 1 1 1
12: 12 4 0.75578151 d 2 2 2
P.S。嗨Matthew Dowle。
LEAD和LAG
对于模仿LEAD和LAG，请从提供的答案here开始。我会根据组内ID的顺序创建一个排名变量。对于上面的假数据，这不是必需的，但如果ID在组内不按顺序排列，那么这将使生活变得更加困难。所以这里有一些带有非顺序ID的新假数据：
set.seed(10)
DT<-data.table(ID=sample(seq_len(4*3)),group=rep(1:4,each=3),value=rnorm(4*3),
info=c(sample(c("a","b"),4*2,replace=TRUE),
sample(c("c","d"),4,replace=TRUE)),key="ID")
DT[,idRank:=rank(ID),by="group"]
setkey(DT,group, idRank)
> DT
ID group value info idRank
1: 4 1 -0.36367602 b 1
2: 5 1 -1.62667268 b 2
3: 7 1 -1.20807618 b 3
4: 1 2 1.10177950 a 1
5: 2 2 0.75578151 a 2
6: 12 2 -0.25647839 b 3
7: 3 3 0.74139013 c 1
8: 6 3 0.98744470 b 2
9: 9 3 -0.23823356 a 3
10: 8 4 -0.19515038 c 1
11: 10 4 0.08934727 c 2
12: 11 4 -0.95494386 c 3
然后，要获取前一条记录的值，请使用group和idRank变量并从1中减去idRank并使用multi = 'last'论点。要从上面的记录两个条目中获取值，请减去2。
DT[,prev:=DT[J(group,idRank-1), value, mult='last']]
DT[,prev2:=DT[J(group,idRank-2), value, mult='last']]
ID group value info idRank prev prev2
1: 4 1 -0.36367602 b 1 NA NA
2: 5 1 -1.62667268 b 2 -0.36367602 NA
3: 7 1 -1.20807618 b 3 -1.62667268 -0.3636760
4: 1 2 1.10177950 a 1 NA NA
5: 2 2 0.75578151 a 2 1.10177950 NA
6: 12 2 -0.25647839 b 3 0.75578151 1.1017795
7: 3 3 0.74139013 c 1 NA NA
8: 6 3 0.98744470 b 2 0.74139013 NA
9: 9 3 -0.23823356 a 3 0.98744470 0.7413901
10: 8 4 -0.19515038 c 1 NA NA
11: 10 4 0.08934727 c 2 -0.19515038 NA
12: 11 4 -0.95494386 c 3 0.08934727 -0.1951504
对于LEAD，将适当的偏移量添加到idRank变量并切换到multi = 'first'：
DT[,nex:=DT[J(group,idRank+1), value, mult='first']]
DT[,nex2:=DT[J(group,idRank+2), value, mult='first']]
ID group value info idRank prev prev2 nex nex2
1: 4 1 -0.36367602 b 1 NA NA -1.62667268 -1.2080762
2: 5 1 -1.62667268 b 2 -0.36367602 NA -1.20807618 NA
3: 7 1 -1.20807618 b 3 -1.62667268 -0.3636760 NA NA
4: 1 2 1.10177950 a 1 NA NA 0.75578151 -0.2564784
5: 2 2 0.75578151 a 2 1.10177950 NA -0.25647839 NA
6: 12 2 -0.25647839 b 3 0.75578151 1.1017795 NA NA
7: 3 3 0.74139013 c 1 NA NA 0.98744470 -0.2382336
8: 6 3 0.98744470 b 2 0.74139013 NA -0.23823356 NA
9: 9 3 -0.23823356 a 3 0.98744470 0.7413901 NA NA
10: 8 4 -0.19515038 c 1 NA NA 0.08934727 -0.9549439
11: 10 4 0.08934727 c 2 -0.19515038 NA -0.95494386 NA
12: 11 4 -0.95494386 c 3 0.08934727 -0.1951504 NA NA
答案 1 :(得分：4)
来自data.table v1.9.5+，已实施功能frank()（快速排名）。 frank()在交互式方案中很有用，因为frankv()允许轻松编程。
它实现base::rank中可用的每个操作。此外，优点是：
frank()除 atomic之外，还对 list ， data.frames 和 data.tables 进行操作载体
我们可以为每列指定是否应按递增或递减顺序计算 rank 。
除了dense中的其他类型外，它还实现了排名类型base。
您也可以在字符列上使用-按降序排名。
以下是使用来自@ BenBarnes＆＃39;的相同 data.table DT的所有上述观点的说明。 （优秀）发帖。
require(data.table)
set.seed(10)
sample_n <- function(x, n) sample(x, n, replace=TRUE)
DT <- data.table(
ID = seq_len(4*3),
group = rep(1:4,each=3),
value = rnorm(4*3),
info = c(sample_n(letters[1:2], 8), sample_n(letters[3:4], 4)))
计算dense排名：
DT[, rank := frank(value, ties.method="dense"), by=group]
您还可以使用其他方法min，max，random，average和first。
按降序排列：
DT[, rank := frank(-value, ties.method="dense"), by=group]
使用frankv，类似于frank：
# increasing order
frankv(DT, "value", ties.method="dense")
# decreasing order
frankv(DT, "value", order=-1L, ties.method="dense")
您可以使用.SD代表数据子集，并包含与 组对应的数据。有关.SD的更多信息，请参阅Introduction to data.table HTML vignette。
按info, value分组时按group列排名：
DT[, rank := frank(.SD, info, value, ties.method="dense"), by=group]
使用-指定递减顺序：
DT[, rank := frank(.SD, info, -value, ties.method="dense"), by=group]
您也可以直接在字符列
上使用-
DT[, rank := frank(.SD, -info, -value, ties.method="dense"), by=group]
您可以类似地使用frankv并提供cols参数列以及使用order参数对列进行排序的顺序。
与base::rank进行比较的小基准：
set.seed(45L)
x = sample(1e4, 1e7, TRUE)
system.time(ans1 <- base::rank(x, ties.method="first"))
# user system elapsed
# 22.200 0.255 22.536
system.time(ans2 <- frank(x, ties.method="first"))
# user system elapsed
# 0.745 0.014 0.762
identical(ans1, ans2) # [1] TRUE
答案 2 :(得分：3)
我喜欢 data.table 和下一个人一样，但并不总是必要的。 data.table 总是会更快，但即使对于中等大小的数据集，如果组的数量相当小， plyr 仍会充分执行
BenBarnes使用data.table做的事情可以像使用 plyr 一样紧凑地完成（但我之前注意到，在许多情况下可能会更慢）：
library(plyr)
ddply(DT,.(group),transform,valRank = rank(-value))
ddply(DT,.(group),transform,valRank = rank(info,ties.method = "min"),
valRankDense = as.integer(factor(info)))
甚至根本没有加载一个额外的包：
do.call(rbind,by(DT,DT$group,transform,valRank = rank(-value)))
do.call(rbind,by(DT,DT$group,transform,valRank = rank(info,ties.method = "min"),
valRankDense = as.integer(factor(info))))
尽管你在最后一种情况下确实失去了一些句法细节。
答案 3 :(得分：0)
Dplyr现在具有Windows功能，包括row_number和density_rank：https://dplyr.tidyverse.org/reference/ranking.html：
df <- tibble::tribble(
~subjects, ~date, ~visits,
1L, "21/09/1999", 2L,
1L, "29/04/1999", 4L,
2L, "18/02/1999", 15L,
3L, "10/07/1999", 13L,
4L, "27/08/1999", 7L,
7L, "27/10/1999", 14L,
10L, "18/04/1999", 8L,
13L, "27/09/1999", 14L,
14L, "15/09/1999", 6L,
16L, "27/11/1999", 14L,
20L, "06/02/1999", 4L,
22L, "07/09/1999", 12L,
23L, "24/03/1999", 14L,
24L, "19/01/1999", 7L,
)
请注意，与ROW_NUMBER（）SQL代码不同，不需要规定ORDER BY。
df_partition <- df %>%
group_by(subjects) %>% # group_by is equivalent to GROUP BY in the SQL partition
ROW_NUMBER()
mutate(rn = row_number(visits),
rn_reversed = row_number(desc(visits))) %>%
ungroup() %>% # grouping by subjects remains on data unless removed like this
mutate(dense_rank = dense_rank(visits))
答案 4 :(得分：-5)
我认为没有直接等同于Oracle的分析功能。 Plyr可能能够实现一些分析功能，但不是全部直接实现。我确信R可以单独复制每个功能，但我认为没有一个包可以完成所有功能。
如果你需要在R中进行特定的操作，那就做一些谷歌搜索，如果你空了，请在StackOverflow上询问一个特定的问题。