Question

对于问题和错误的措辞，我深表歉意。 OS和R中的新手。

问题：找到效率的方式，用唯一填充另一列中具有相同值的观测值的数字填充列。结果如下：

    patient_number id
1              46  1
2              47  2
3              15  3
4              42  4
5              33  5
6              26  6
7              37  7
8               7  8
9              33  5
10             36  9

示例数据框

set.seed(42)
df <- data.frame(
  patient_number = sample(seq(1, 50, 1), 100, replace = TRUE)
)

我能想到的

df$id <- NA  ## create id and fill with NA make if statement easier
n_unique <- length(unique(df$patient_number))  ## how many unique obs

for (i in 1:nrow(df)) {
  index_identical <- which(df$patient_number == df$patient_number[i])
  ## get index of obs with same patient_number

  if (any(is.na(df$id[index_identical]))) {
    ## if any of the ids of obs with same patient number not filled in,
    df$id[index_identical] <- setdiff(seq(1, n_unique, 1), df$id)[1]
    ## get a integer between 1 and the number of unique obs that is not used
  }

  else {
    df$id <- df$id
  }
}

它可以完成工作，但是要成千上万行，这需要时间。

感谢您的支持。

Answer 1

如果您愿意接受其他软件包，则可以使用group_indices软件包中的dplyr函数：

library(dplyr)
df %>%
  mutate(id = group_indices(., patient_number))

    patient_number id
1               46 40
2               47 41
3               15 14
4               42 37
5               33 28
6               26 23
7               37 32
8                7  6
9               33 28
10              36 31
11              23 21
12              36 31
13              47 41
...

Answer 2

我们可以使用.GRP中的data.table

library(data.table)
setDT(df)[, id := .GRP, patient_number]

或者使用base R match和factor选项也很快

df$id <- with(df, match(patient_number, unique(patient_number)))
df$id <- with(df, as.integer(factor(patient_number, 
               levels = unique(patient_number))))

用数字填充列的有效方法，这些数字标识列中具有相同值的观测值

2 个答案: