我希望在每次相等值运行中创建一个序列号,比如一个出现计数器,一旦当前行中的值与前一行不同,它就会重新启动。
请在下面找到输入和预期输出的示例。
dataset <- data.frame(input = c("a","b","b","a","a","c","a","a","a","a","b","c"))
dataset$counter <- c(1,1,2,1,2,1,1,2,3,4,1,1)
dataset
# input counter
# 1 a 1
# 2 b 1
# 3 b 2
# 4 a 1
# 5 a 2
# 6 c 1
# 7 a 1
# 8 a 2
# 9 a 3
# 10 a 4
# 11 b 1
# 12 c 1
我的问题与此问题非常相似:Cumulative sequence of occurrences of values。
答案 0 :(得分:33)
您需要使用sequence
和rle
:
> sequence(rle(as.character(dataset$input))$lengths)
[1] 1 1 2 1 2 1 1 2 3 4 1 1
答案 1 :(得分:17)
现在,data.table包中提供了一个高效且更直接的函数版本,名为rleid
。使用它,它只是:
setDT(dataset)[, counter := seq_len(.N), by=rleid(input)]
有关使用和示例的更多信息,请参阅?rleid
。感谢@Henrik建议更新这篇文章。
rle
绝对是最便捷的方式(+1 @ Ananda's)。但是对于更大的数据,人们可以做得更好(就速度而言)。您可以使用duplist
中的vecseq
和data.table
函数(未导出),如下所示:
require(data.table)
arun <- function(y) {
w = data.table:::duplist(list(y))
w = c(diff(w), length(y)-tail(w,1L)+1L)
data.table:::vecseq(rep(1L, length(w)), w, length(y))
}
x <- c("a","b","b","a","a","c","a","a","a","a","b","c")
arun(x)
# [1] 1 1 2 1 2 1 1 2 3 4 1 1
对大数据进行基准测试:
set.seed(1)
x <- sample(letters, 1e6, TRUE)
# rle solution
ananda <- function(y) {
sequence(rle(y)$lengths)
}
require(microbenchmark)
microbenchmark(a1 <- arun(x), a2<-ananda(x), times=100)
Unit: milliseconds
expr min lq median uq max neval
a1 <- arun(x) 123.2827 132.6777 163.3844 185.439 563.5825 100
a2 <- ananda(x) 1382.1752 1899.2517 2066.4185 2247.233 3764.0040 100
identical(a1, a2) # [1] TRUE
答案 2 :(得分:0)
软件包runner具有专用的解决方案来计算所需的内容。 streak_run
是最快的解决方案,接受向量作为输入。
library(microbenchmark); library(runner)
x <- sample(letters, 1e6, TRUE)
ananda <- function(y) sequence(rle(y)$lengths)
microbenchmark( a2<-ananda(x), runner <- streak_run(x), times=100)
#Unit: milliseconds
# expr min lq mean median uq max neval
# a2 <- ananda(x) 580.744 718.117 1059.676 944.073 1399.649 1699.293 10
#run <- streak_run(x) 37.682 39.568 42.277 40.591 43.947 52.917 10
identical(a2, run)
#[1] TRUE