Question

说我有以下data.table：

library(data.table)

DT <- data.table(R=sample(0:1, 10000, rep=TRUE), Seq=0)

返回类似的内容：

       R Seq
    1: 1   0
    2: 1   0
    3: 0   0
    4: 0   0
    5: 1   0
   ---      
 9996: 1   0
 9997: 0   0
 9998: 0   0
 9999: 0   0
10000: 1   0

我想生成一个序列（1,2,3，...，n），只要R从前一行改变，它就会重置。想想看，就像我在计算一连串随机数。

所以上面会是这样的：

       R Seq
    1: 1   1
    2: 1   2
    3: 0   1
    4: 0   2
    5: 1   1
   ---      
 9996: 1   5
 9997: 0   1
 9998: 0   2
 9999: 0   3
10000: 1   2

思想？

Answer 1

这是一个选项：

set.seed(1)
DT <- data.table(R=sample(0:1, 10000, rep=TRUE), Seq=0L)
DT[, Seq:=seq(.N), by=list(cumsum(c(0, abs(diff(R)))))]
DT

我们创建一个计数器，每当您使用cumsum(abs(diff(R)))更改0-1变量时，该计数器会递增。 c(0,部分是为了确保我们得到正确的长度向量。然后我们用by分割它。这会产生：

       R Seq
    1: 0   1
    2: 0   2
    3: 1   1
    4: 1   2
    5: 0   1
   ---      
 9996: 1   1
 9997: 0   1
 9998: 1   1
 9999: 1   2
10000: 1   3

编辑：解决澄清请求：

让我们看看我在by中使用的计算，细分为两个新列：

DT[, diff:=c(0, diff(R))]
DT[, cumsum:=cumsum(abs(diff))]
print(DT, topn=10)

产地：

       R Seq diff cumsum
    1: 0   1    0      0
    2: 0   2    0      0
    3: 1   1    1      1
    4: 1   2    0      1
    5: 0   1   -1      2
    6: 1   1    1      3
    7: 1   2    0      3
    8: 1   3    0      3
    9: 1   4    0      3
   10: 0   1   -1      4
   ---                  
 9991: 1   2    0   5021
 9992: 1   3    0   5021
 9993: 1   4    0   5021
 9994: 1   5    0   5021
 9995: 0   1   -1   5022
 9996: 1   1    1   5023
 9997: 0   1   -1   5024
 9998: 1   1    1   5025
 9999: 1   2    0   5025
10000: 1   3    0   5025

每次R改变时，您都可以看到diff的绝对值的累积和如何递增1。然后，我们可以使用cumsum列将data.table拆分为块，并为每个块使用seq(.N)生成一个序列，该序列计入块中的项目数（{{ 1}}恰好代表每个.N组中有多少项。）

Answer 2

旧问题，但以防万一有人需要更快，更轻松的方法：

DT[, Seq := rowid(rleid(R))]

说明：

rleid创建一个索引，该索引在每次遇到新的一组连续值时递增。因此rleid(c('a','a','b','b','a','a'))返回1 1 2 2 3 3
rowid为每个值创建一个索引，每次重复该值（但不一定是连续的），该索引都会递增。因此rowid(c('a','a','b','b','a','a'))返回1 2 1 2 3 4

在这个示例中，只有一分之一秒的时间，具有一千万行。

根据列创建data.table中的序列

2 个答案: