web-dev-qa-db-ja.com

データフレーム内のグループ化変数に基づいて連続インデックスを作成する方法

データフレームがあります（all_data）サイト（1 ...からn）とそのスコアのリストがあります（例：.

  site  score
     1    10
     1    11  
     1    12
     4    10 
     4    11
     4    11
     8    9
     8    8
     8    7

カウンターのように、サイトの各レベルに番号順に番号を付ける列を作成したいと思います。この例では、サイト（1、4、および8）の「番号」列に1から3までの対応するカウンターがあります。

site  score number
     1    10    1
     1    11    1 
     1    12    1 
     4    10    2
     4    11    2
     4    11    2
     8    9     3
     8    8     3 
     8    7     3

これは簡単に解決できるはずですが、まだ方法が見つかりません。

rr-faq
22
RodgerDodger

Data$number <- as.numeric(as.factor(Data$site))を試してください

補足：私と@Chaseのソリューションと、@ DWinのソリューションの違いは、番号の順序です。両方とも as.factorとfactorは自動的にレベルを並べ替えますが、@ DWinのソリューションでは発生しません。

Dat <- data.frame(site = rep(c(1,8,4), each = 3), score = runif(9))

Dat$number <- as.numeric(factor(Dat$site))
Dat$sitenum <- match(Dat$site, unique(Dat$site) )

与える

> Dat
  site     score number sitenum
1    1 0.7377561      1       1
2    1 0.3131139      1       1
3    1 0.7862290      1       1
4    8 0.4480387      3       2
5    8 0.3873210      3       2
6    8 0.8778102      3       2
7    4 0.6916340      2       3
8    4 0.3033787      2       3
9    4 0.6552808      2       3
19
Joris Meys

他の2つのオプション：

1）.GRPパッケージのdata.table関数の使用：

library(data.table)
setDT(dat)[, num := .GRP, by = site]

以下のサンプルデータセットを使用すると、次のようになります。

> dat
    site      score num
 1:    1 0.14945795   1
 2:    1 0.60035697   1
 3:    1 0.94643075   1
 4:    8 0.68835336   2
 5:    8 0.50553372   2
 6:    8 0.37293624   2
 7:    4 0.33580504   3
 8:    4 0.04825135   3
 9:    4 0.61894754   3
10:    8 0.96144729   2
11:    8 0.65496051   2
12:    8 0.51029199   2

2）dplyrからgroup_indices関数を使用する：

dat$num <- group_indices(dat, site)

または、非標準の評価を回避したい場合：

library(dplyr)
dat %>% 
  mutate(num = group_indices_(dat, .dots = c('site')))

その結果：

   site      score num
1     1 0.42480366   1
2     1 0.98736177   1
3     1 0.35766187   1
4     8 0.06243182   3
5     8 0.55617002   3
6     8 0.20304632   3
7     4 0.90855921   2
8     4 0.25215078   2
9     4 0.44981251   2
10    8 0.60288270   3
11    8 0.46946587   3
12    8 0.44941782   3

ご覧のとおり、dplyrはグループ番号の順序が異なります。

グループが変更されるたびに別の番号が必要な場合は、他にもいくつかのオプションがあります。

1）ベースR：

# option 1:
dat$num <- cumsum(c(TRUE, head(dat$site, -1) != tail(dat$site, -1)))

# option 2:
x <- rle(dat$site)$lengths
dat$num <- rep(seq_along(x), times=x)

2）data.tableパッケージを使用：

library(data.table)
setDT(dat)[, num := rleid(site)]

その結果、次のようになります。

> dat
   site      score num
1     1 0.80817855   1
2     1 0.07881334   1
3     1 0.60092828   1
4     8 0.71477988   2
5     8 0.51384565   2
6     8 0.72011650   2
7     4 0.74994627   3
8     4 0.09564052   3
9     4 0.39782587   3
10    8 0.29446540   4
11    8 0.61725367   4
12    8 0.97427413   4

使用データ：

dat <- data.frame(site = rep(c(1,8,4,8), each = 3), score = runif(12))
13
Jaap

これはかなり効率的で理解しやすいはずです。

Dat$sitenum <- match(Dat$site, unique(Dat$site))
13
42-

@Jaapからのデータを使用すると、dense_rank()を使用した別のdplyrの可能性は次のようになります。

_dat %>%
 mutate(ID = dense_rank(site))

   site     score ID
1     1 0.1884490  1
2     1 0.1087422  1
3     1 0.7438149  1
4     8 0.1150771  3
5     8 0.9978203  3
6     8 0.7781222  3
7     4 0.4081830  2
8     4 0.2782333  2
9     4 0.9566959  2
10    8 0.2545320  3
11    8 0.1201062  3
12    8 0.5449901  3
_

または、rleid()のようなdplyrアプローチで、データを最初に配置します。

_dat %>%
 arrange(site) %>%
 mutate(ID = {ID_rleid = rle(site); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)})

   site     score ID
1     1 0.1884490  1
2     1 0.1087422  1
3     1 0.7438149  1
4     4 0.4081830  2
5     4 0.2782333  2
6     4 0.9566959  2
7     8 0.1150771  3
8     8 0.9978203  3
9     8 0.7781222  3
10    8 0.2545320  3
11    8 0.1201062  3
12    8 0.5449901  3
_

または、別のrleid()のようなdplyrの可能性で、データが最初に配置されます。

_dat %>%
 arrange(site) %>%
 mutate(ID = with(rle(site), rep(seq_along(lengths), lengths)))
_

_base R_と同じ：

_df$ID <- with(rle(df$site), rep(seq_along(lengths), lengths))
_

または、duplicated()およびcumsum()を使用します。

_df %>%
 mutate(ID = cumsum(!duplicated(site)))
_

_base R_と同じ：

_df$ID <- cumsum(!duplicated(df$site))
_
3
tmfmnk

サイトを係数に変換してから、その係数の数値または整数値を返すことができます。

dat <- data.frame(site = rep(c(1,4,8), each = 3), score = runif(9))
dat$number <- as.integer(factor(dat$site))
dat

  site     score number
1    1 0.5305773      1
2    1 0.9367732      1
3    1 0.1831554      1
4    4 0.4068128      2
5    4 0.3438962      2
6    4 0.8123883      2
7    8 0.9122846      3
8    8 0.2949260      3
9    8 0.6771526      3
3
Chase

data.tableパッケージを使用した別のソリューション。

Jaapによって提供されるより完全なデータセットの例：

setDT(dat)[, number := frank(site, ties.method = "dense")]
dat
    site     score number
 1:    1 0.3107920      1
 2:    1 0.3640102      1
 3:    1 0.1715318      1
 4:    8 0.7247535      3
 5:    8 0.1263025      3
 6:    8 0.4657868      3
 7:    4 0.6915818      2
 8:    4 0.3558270      2
 9:    4 0.3376173      2
10:    8 0.7934963      3
11:    8 0.9641918      3
12:    8 0.9832120      3
1
sindri_baldur

それを行う別の方法。 Rについてほとんど知らなくても簡単に入手できると思います。

library(dplyr)
df <- data.frame('site' = c(1, 1, 1, 4, 4, 4, 8, 8, 8))
df <- mutate(df, 'number' = cumsum(site != lag(site, default=-1)))
0
godot