Question

我有一个带有名称列和日期列的数据框（我已将其转换为自最早日期以来的天数）。我想要一个新列，记录该列名称在过去10天内的条目数。例如，这是一个当前数据框：

> head(starts[,c(5,29)], n=10)
    name            date_num
1   James           2
2   James           3
3   James           4
4   James           5
5   Julia           1
6   Julia           2
7   Julia           3
8   Julia           4
9   Jess            2
10  Jess            4

这就是我要找的东西：

> head(starts[,c(5,29)], n=10)
    name            date_num  count
1   James           2         0
2   James           3         1
3   James           4         2
4   James           5         3
5   Julia           1         0
6   Julia           2         1
7   Julia           3         2
8   Julia           4         3
9   Jess            2         0
10  Jess            4         1

这很简单，但希望我想要的是明确的。谢谢你的帮助！编辑：根据前几个答案，我认为我不够清楚。我不是要为每个单独的名称添加索引列（认为它看起来可能类似）;我想要计算具有相同名称的行数和在x-10和x之间的date_num值，其中x是所讨论行的date_num。这是一个更长的数据框，希望能提供更多信息：

> head(starts[,c(5,29)], n=10)
    name            date_num  count
1   James           1         0
2   James           2         1
3   James           3         2
4   James           4         3
5   James           5         4
6   James           7         5
7   James           8         6
8   James           9         7
9   James           10        8
10  James           11        9
11  James           12        9
12  James           13        9
13  James           15        8
14  Julia           1         0
15  Julia           2         1
16  Julia           4         2
17  Julia           19        0
18  Julia           20        1
19  Julia           22        2
20  Julia           24        3
21  Julia           31        2

希望这更有意义。计数仅包含10天前或更少且具有相同名称的行，而不是所有前面的行。我可以描述但不是代码的一种方法是：对于给定的行，取date_num，减去10，并找到具有相同名称且最小date_num大于该数字的行。取两行的索引号之间的差异。这需要一些排序和索引，但似乎可行。如果有人能描述一种方法让R做到这一点，我将非常感激。

Answer 1

您可以从我的“splitstackshape”软件包中尝试getanID：

> library(splitstackshape)
> getanID(mydf, "name")[, .id := .id - 1][]
     name date_num .id
 1: James        2   0
 2: James        3   1
 3: James        4   2
 4: James        5   3
 5: Julia        1   0
 6: Julia        2   1
 7: Julia        3   2
 8: Julia        4   3
 9:  Jess        2   0
10:  Jess        4   1

.id := .id - 1是让计数从零开始。

这非常像：

library(data.table)
as.data.table(mydf)[, count := 0:(.N-1), by = name][]

Answer 2

基础套餐：

使用rle

df$count <- unlist(sapply(rle(df$name)$lengths, seq))-1

将Marek的answer修改为从零开始：

df$count <- ave(rep(NA, nrow(df)), df$name, FUN=seq_along)-1

sqldf

library(sqldf)
sqldf("SELECT a.name, a.date_num, COUNT(*)-1 As count
      FROM df AS a INNER JOIN df As b
      ON (a.name = b.name) AND (a.rowid >= b.rowid)
      GROUP BY a.name, a.date_num")

<强>输出：

    name date_num count
1  James        2     0
2  James        3     1
3  James        4     2
4  James        5     3
5  Julia        1     0
6  Julia        2     1
7  Julia        3     2
8  Julia        4     3
9   Jess        2     0
10  Jess        4     1

数据：

df <- structure(list(name = c("James", "James", "James", "James", "Julia", "Julia", "Julia", "Julia", "Jess", "Jess"), date_num = c(2L, 3L, 4L, 5L, 1L, 2L, 3L, 4L, 2L, 4L)), .Names = c("name", "date_num"), class = "data.frame", row.names = c(NA, -10L))

根据行名

2 个答案: