Question

如何获得数据框中多列的密集排名？例如，

# I have:
df <- data.frame(x = c(1,1,1,1,2,2,2,3,3,3), 
                 y = c(1,2,3,4,2,2,2,1,2,3))
# I want:
res <- data.frame(x = c(1,1,1,1,2,2,2,3,3,3), 
                  y = c(1,2,3,4,2,2,2,1,2,3),
                  r = c(1,2,3,4,5,5,5,6,7,8))
res
   x y z
1  1 1 1
2  1 2 2
3  1 3 3
4  1 4 4
5  2 2 5
6  2 2 5
7  2 2 5
8  3 1 6
9  3 2 7
10 3 3 8

我的黑客方法适用于此特定数据集：

df %>%
  arrange(x,y) %>%
  mutate(r = if_else(y - lag(y,default=0) == 0, 0, 1)) %>%
  mutate(r = cumsum(r))

但是必须有一个更通用的解决方案，也许使用诸如dense_rank()或row_number()之类的函数。但是我为此感到挣扎。

dplyr解决方案是理想的。

Answer 1

发布后，我想我找到了解决方法here。就我而言，应该是：

mutate(df, r = dense_rank(interaction(x,y,lex.order=T)))

但是，如果您有更好的解决方案，请分享。

Answer 2

data.table

data.table覆盖了frank()。

library(data.table)    
frank(df, x,y, ties.method = 'min')

[1]  1  2  3  4  5  5  5  8  9 10

您可以df$r <- frank(df, x,y, ties.method = 'min')添加为新列。

tidyr / dplyr

另一种方法（虽然比较笨拙）是使用tidyr::unite将列折叠为一个加号dplyr::dense_rank。

library(tidyverse)

df %>%

  # add a single column with all the info
  unite(xy, x, y) %>%
  cbind(df) %>%

  # dense rank on that
  mutate(r = dense_rank(xy)) %>%

  # now drop the helper col
  select(-xy)

R中多列的密集排名

2 个答案:

data.table

tidyr / dplyr