web-dev-qa-db-ja.com

data.table "キーインデックス"または "グループカウンター"

Data.tableにキーを作成した後：

_set.seed(12345)
DT <- data.table(x = sample(LETTERS[1:3], 10, replace = TRUE),
                 y = sample(LETTERS[1:3], 10, replace = TRUE))
setkey(DT, x, y)
DT
#       x y
#  [1,] A B
#  [2,] A B
#  [3,] B B
#  [4,] B B
#  [5,] C A
#  [6,] C A
#  [7,] C A
#  [8,] C A
#  [9,] C C
# [10,] C C
_

各行に対応する「キーインデックス」を与える整数ベクトルを取得したいと思います。以下の予想される出力（列i）が意味を明確にするのに役立つことを願っています。

_#       x y i
#  [1,] A B 1
#  [2,] A B 1
#  [3,] B B 2
#  [4,] B B 2
#  [5,] C A 3
#  [6,] C A 3
#  [7,] C A 3
#  [8,] C A 3
#  [9,] C C 4
# [10,] C C 4
_

cumsum(!duplicated(DT[, key(DT), with = FALSE]))のようなものを使用することを考えましたが、より良い解決策があることを望んでいます。このベクトルはテーブルの内部表現の一部である可能性があると思いますが、それにアクセスする方法はあるのでしょうか？そうでない場合でも、何を提案しますか？

rdata.table
40
flodel

更新：v1.8.3から、組み込みの特別な.GRPを使用できます。

DT[ , i := .GRP, by = key(DT)]

古い回答については、履歴を参照してください。

55
Matt Dowle

[.data.table()の呼び出し内から使用できるインデックスカウンターがないことを確信しているので、おそらくこれを実行します。

_ii <- unique(DT)
ii[ , i := seq_len(nrow(ii))]
DT[ii]
#     x y i
#  1: A B 1
#  2: A B 1
#  3: B B 2
#  4: B B 2
#  5: C A 3
#  6: C A 3
#  7: C A 3
#  8: C A 3
#  9: C C 4
# 10: C C 4
_

unique.data.table()への追加の呼び出しを犠牲にして、これを1行にすることができます。

_DT[unique(DT)[ , i := seq_len(nrow(unique(DT)))]]
_
12
Josh O'Brien