Question

我有

dat <-data.frame(study=letters[c(1,1,1,4,4,4,4,10,10)],n1i=c(25,25,22,38,50,30,30,50,50))

我想要

     study n1i grp
1     a  25   A
2     a  25   A
3     a  22   B
4     d  38   A
5     d  50   B
6     d  30   C
7     d  30   C
8     j  50   A
9     j  50   A

但是这......

dat$grp<-  
  as.vector(unlist(aggregate(dat$n1i,
   list(dat$study), function(x) LETTERS[1:length(x)])$x))

...给我

> dat
  study n1i grp
1     a  25   A
2     a  25   B
3     a  22   C
4     d  38   A
5     d  50   B
6     d  30   C
7     d  30   D
8     j  50   A
9     j  50   B

在单词中我希望“grp”字母从1到达到最后一个独特的学习组合* n1i。

Answer 1

dat <-data.frame(study=letters[c(1,1,1,4,4,4,4,10,10)],n1i=c(25,25,22,38,50,30,30,50,50)) 

library(dplyr)

dat %>%
  group_by(study) %>%                    # for each study
  mutate(id = row_number()) %>%          # get the number of row as an id
  group_by(study, n1i) %>%               # for each study and n1i combination
  transmute(grp = LETTERS[min(id)]) %>%  # add the letters based on the minimum id value of that combination, while removing the id column
  ungroup()                              # forget the grouping

# # A tibble: 9 x 3
#   study   n1i grp  
#   <fct> <dbl> <chr>
# 1 a        25 A    
# 2 a        25 A    
# 3 a        22 C    
# 4 d        38 A    
# 5 d        50 B    
# 6 d        30 C    
# 7 d        30 C    
# 8 j        50 A    
# 9 j        50 A

此方法假定重复的行是一个接一个的。

Answer 2

这是基于运行长度编码ID，它假定唯一组合仅出现在块中而不是分开的行中。

library(dplyr)
library(data.table)

dat2 <- dat %>%
  group_by(study) %>%
  mutate(grp =rleid(n1i)) %>%
  mutate(grp = LETTERS[grp]) %>%
  ungroup()
dat2
# # A tibble: 9 x 3
#   study   n1i grp  
#   <fct> <dbl> <chr>
# 1 a        25 A    
# 2 a        25 A    
# 3 a        22 B    
# 4 d        38 A    
# 5 d        50 B    
# 6 d        30 C    
# 7 d        30 C    
# 8 j        50 A    
# 9 j        50 A

此解决方案可能并不完美。例如，如果数据框如下所示：

study   n1i
   a     25
   a     22
   a     25

行程编码将变为1, 2, 3。在这种情况下，您可能希望首先对数据框进行排序，以在同一块中生成相同的行。我没有在我的解决方案中下订单或安排电话，因为我不知道是否按行重新排序。

<强>更新

AntoniosK评论说前三行应该是A, A, C。我已将min_rank添加到管道操作中以说明此语句。

dat2 <- dat %>%
  group_by(study) %>%
  mutate(grp =rleid(n1i)) %>%
  mutate(grp = min_rank(grp)) %>%
  mutate(grp = LETTERS[grp]) %>%
  ungroup()
dat2
# # A tibble: 9 x 3
#   study   n1i grp  
#   <fct> <dbl> <chr>
# 1 a        25 A    
# 2 a        25 A    
# 3 a        22 C    
# 4 d        38 A    
# 5 d        50 B    
# 6 d        30 C    
# 7 d        30 C    
# 8 j        50 A    
# 9 j        50 A

Answer 3

这是一个没有额外包装的单线，

LETTERS[with(dat, ave(n1i, study, FUN = function(i) 
                                cumsum(!duplicated(i) | duplicated(i, fromLast = TRUE))))]
#[1] "A" "A" "B" "A" "B" "C" "C" "A" "A"

Answer 4

或另一个选项是data.table

library(data.table)
setDT(dat)[, grp := LETTERS[rleid(n1i)], study]
dat
#   study n1i grp
#1:     a  25   A
#2:     a  25   A
#3:     a  22   B
#4:     d  38   A
#5:     d  50   B
#6:     d  30   C
#7:     d  30   C
#8:     j  50   A
#9:     j  50   A

修改

基于@AntoniosK的评论，正确的输出应为

setDT(dat)[, i1 := seq_len(.N), study][, grp := LETTERS[min(i1)], 
                .(study, n1i)][, i1 := NULL][]
#   study n1i grp
#1:     a  25   A
#2:     a  25   A
#3:     a  22   C
#4:     d  38   A
#5:     d  50   B
#6:     d  30   C
#7:     d  30   C
#8:     j  50   A
#9:     j  50   A

Answer 5

使用tidyverse，使用dplyr::group_indices：

dat %>%
  split(.$study) %>%
  map_dfr(~mutate(.,id = LETTERS[
    group_indices(.,factor(n1i,unique(n1i)))]))

#   study n1i id
# 1     a  25  A
# 2     a  25  A
# 3     a  22  B
# 4     d  38  A
# 5     d  50  B
# 6     d  30  C
# 7     d  30  C
# 8     j  50  A
# 9     j  50  A

新的矢量与代表其他矢量独特组合的字母

5 个答案:

修改