Question

我对在大型数据集（36000行）中创建新的特定变量有疑问。我想创建一个变量，用于累计天数。例如：

Date (dd/mm/yyyy)
01-01-2018
01-01-2018
02-01-2018
02-01-2018
02-01-2018
02-01-2018
03-01-2018
03-01-2018

我想创建以下数字变量，按顺序对唯一天数进行计数，所以：

New Variable
1
1
2
2
2
2
3
3

因此，第一个唯一日期为1，第二个唯一日期为2，依此类推。总共我有36000多个观测值，其中有1096个唯一日期（三年）。所以我想要一个变量，它的第一个日期为1，第二个日期为2，最后一个日期为1096。但是，日期显示不均：一个唯一的日期可能出现30次，另一个唯一的日期出现50次。

如何在R中创建这样的变量？

Answer 1

两种方法：

如果您确定它们的订购正确，则可以使用：

cumsum(c(TRUE, diff(x$Date) != 0))
# [1] 1 2 2 3 4 4 5 5

如果不确定或只是想防备，则可以借用factor的存储方式：

# randomize the data for this example
set.seed(2)
x <- x[sample(seq_len(nrow(x))),,drop=FALSE]
x
#         Date
# 2 2018-01-01
# 5 2018-01-02
# 4 2018-01-02
# 1 2018-01-01
# 6 2018-01-02
# 3 2018-01-02
# 7 2018-01-03
# 8 2018-01-03

# this is the real work, works even if ordered
x$NewVar <- as.integer(factor(x$Date))
x
#         Date NewVar
# 2 2018-01-01      1
# 5 2018-01-02      2
# 4 2018-01-02      2
# 1 2018-01-01      1
# 6 2018-01-02      2
# 3 2018-01-02      2
# 7 2018-01-03      3
# 8 2018-01-03      3

# reorder for presentation here:
x[order(x$NewVar),]
#         Date NewVar
# 2 2018-01-01      1
# 1 2018-01-01      1
# 5 2018-01-02      2
# 4 2018-01-02      2
# 6 2018-01-02      2
# 3 2018-01-02      2
# 7 2018-01-03      3
# 8 2018-01-03      3

数据：

x <- read.table(stringsAsFactors=FALSE, header=TRUE, text="
Date
01-01-2018
01-01-2018
02-01-2018
02-01-2018
02-01-2018
02-01-2018
03-01-2018
03-01-2018")
x$Date <- as.Date(x$Date, format = "%d-%m-%Y")

R中的新列是累积计数（加总）唯一日期

1 个答案: