Question

我想在数据集中生成一个新变量。此变量应该计算由另一个变量定义的不同组中值的出现。

以下是示例数据框：

 x <- c(1, 1, 2, 3, 3, 3, 4, 4)
 y <- c(5, 4, 4, 5, 5, 5, 1, 1)

 dat <- data.frame(x, y)
 dat

   x y
 1 1 5
 2 1 4
 3 2 4
 4 3 5
 5 3 5
 6 3 5
 7 4 1
 8 4 1

现在我想生成一个新变量，我们称其为z。 z应该按组（由x定义的组：1、2、3、4）计算y中重复项的出现。因此，结果应如下所示：

有没有办法使用dplyr？

Answer 1

一种选择是进行分组并创建序列列

library(dplyr)
dat %>% 
     group_by(x, y) %>%
     mutate(z = row_number())
# A tibble: 8 x 3
# Groups:   x, y [5]
#      x     y     z
#  <dbl> <dbl> <int>
#1     1     5     1
#2     1     4     1
#3     2     4     1
#4     3     5     1
#5     3     5     2
#6     3     5     3
#7     4     1     1
#8     4     1     2

还有base R

dat$z <- with(dat, ave(seq_along(x), x, y, FUN = seq_along))

或与data.table

library(data.table)
setDT(dat)[, z := seq_len(.N), .(x, y)]

或更紧凑

setDT(dat)[, z := rowid(x, y)]

Answer 2

一种可能是：

dat %>%
 group_by(x) %>%
 mutate(z = cumsum(duplicated(y)) + 1)

      x     y     z
  <dbl> <dbl> <dbl>
1     1     5     1
2     1     4     1
3     2     4     1
4     3     5     1
5     3     5     2
6     3     5     3
7     4     1     1
8     4     1     2

与base R相同：

with(dat, ave(y, x, FUN = function(x) cumsum(duplicated(x)) + 1))

在数据框中生成新列，按组计数重复项

2 个答案: