Question

我有一个R数据帧，有两列字符串。在其中一列（例如，Column1）中，存在重复值。我需要重新标记该列，以便重复使用有序后缀重命名的字符串，如Column1.new

 Column1   Column2   Column1.new
 1         A         1_1
 1         B         1_2
 2         C         2_1
 2         D         2_2
 3         E         3
 4         F         4

任何有关如何做到这一点的想法都将受到赞赏。

干杯，

的Antti

Answer 1

假设您的数据（按Column1排序）位于名为tab的对象中。首先创建一个运行长度对象

c1.rle <- rle(tab$Column1)
c1.rle
##lengths: int [1:4] 2 2 1 1
##values : int [1:4] 1 2 3 4

它为您提供Column1的值以及每个元素的相应出现次数。然后使用该信息创建具有唯一标识符的新列：

tab$Column1.new <- paste0(rep(c1.rle$values, times = c1.rle$lengths), "_",
        unlist(lapply(c1.rle$lengths, seq_len)))

不确定，如果这在您的情况下是合适的，但您也可以将Column1和Column2粘贴在一起，以创建唯一标识符...

Answer 2

可能是一种解决方法，但对于需求不同的人来说，这可能更有用，也更简单。带有make.names属性的unique=T会添加重复的点和数字名称：

x <- make.names(tab$Column1,unique=T)
> print(x)
[1] "X1"   "X1.1" "X2"   "X2.1" "X3"   "X4"

对于一些人来说这可能已经足够了。然后，您可以在此处获取重复元素的第一个条目，但不捕获未重复的元素，然后在末尾添加.0。

y <- rle(tab$Column1)
tmp <- !duplicated(tab$Column1) & (tab$Column1 %in% y$values[y$lengths>1])
x[tmp] <- str_replace(x[tmp],"$","\\.0")
> print(x)
[1] "X1.0" "X1.1" "X2.0" "X2.1" "X3"   "X4"

替换点并删除X

x <- str_replace(x,"X","")
x <- str_replace(x,"\\.","_")
> print(x)
[1] "1_0" "1_1" "2_0" "2_1" "3"   "4"

可能对你好。但是，如果您希望索引从1开始，请抓取数字，添加一个然后将它们放回去。

z <- str_match(x,"_([0-9]*)$")[,2]
z <- as.character(as.numeric(z)+1)
x <- str_replace(x,"_([0-9]*)$",paste0("_",z))
> print(x)
[1] "1_1" "1_2" "2_1" "2_2" "3"   "4"

就像我说的，这里有更多的解决方法，但提供了一些选择。

Answer 3

d <- read.table(text='Column1   Column2  
 1         A 
 1         B 
 2         C 
 2         D 
 3         E 
 4         F', header=TRUE)

transform(d, 
    Column1.new = ifelse(duplicated(Column1) | duplicated(Column1, fromLast=TRUE), 
                         paste(Column1, ave(Column1, Column1, FUN=seq_along), sep='_'), 
                         Column1))

#   Column1 Column2 Column1.new
# 1       1       A         1_1
# 2       1       B         1_2
# 3       2       C         2_1
# 4       2       D         2_2
# 5       3       E           3
# 6       4       F           4

Answer 4

@Cão仅使用基数R回答：

x=read.table(text="
Column1   Column2   #Column1.new
1         A         #1_1
1         B         #1_2
2         C         #2_1
2         D         #2_2
3         E         #3
4         F         #4", stringsAsFactors=F, header=T)

string<-x$Column1
mstring <- make.unique(as.character(string) )
mstring<-sub("(.*)(\\.)([0-9]+)","\\1_\\3",mstring)
y <- rle(string)
tmp <- !duplicated(string) & (string %in% y$values[y$lengths>1])
mstring[tmp]<-gsub("(.*)","\\1_0", mstring[tmp]) 
end <- sub(".*_([0-9]+)","\\1",grep("_([0-9]*)$",mstring,value=T) ) 
beg <- sub("(.*_)[0-9]+","\\1",grep("_([0-9]*)$",mstring,value=T) ) 
newend <- as.numeric(end)+1
mstring[grep("_([0-9]*)$",mstring)]<-paste0(beg,newend)
x$Column1New<-mstring
x

在R中重命名重复的字符串

4 个答案: