Нумерация строк внутри групп во фрейме данных

работа с фреймом данных, подобным этому:

set.seed(100)  
df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))             
df <- df[order(df$cat, df$val), ]  
df  

   cat        val  
1  aaa 0.05638315  
2  aaa 0.25767250  
3  aaa 0.30776611  
4  aaa 0.46854928  
5  aaa 0.55232243  
6  bbb 0.17026205  
7  bbb 0.37032054  
8  bbb 0.48377074  
9  bbb 0.54655860  
10 bbb 0.81240262  
11 ccc 0.28035384  
12 ccc 0.39848790  
13 ccc 0.62499648  
14 ccc 0.76255108  
15 ccc 0.88216552

Я пытаюсь добавить столбец с нумерацией внутри каждой группы. Делая это таким образом, очевидно, не использует полномочия R:

 df$num <- 1  
 for (i in 2:(length(df[,1]))) {  
   if (df[i,"cat"]==df[(i-1),"cat"]) {  
     df[i,"num"]<-df[i-1,"num"]+1  
     }  
 }  
 df  

   cat        val num  
1  aaa 0.05638315   1  
2  aaa 0.25767250   2  
3  aaa 0.30776611   3  
4  aaa 0.46854928   4  
5  aaa 0.55232243   5  
6  bbb 0.17026205   1  
7  bbb 0.37032054   2  
8  bbb 0.48377074   3  
9  bbb 0.54655860   4  
10 bbb 0.81240262   5  
11 ccc 0.28035384   1  
12 ccc 0.39848790   2  
13 ccc 0.62499648   3  
14 ccc 0.76255108   4  
15 ccc 0.88216552   5

что было бы хорошим способом сделать это?

5 93
javascript dataframe r-faq

5 ответов:

использовать ave,ddply,dplyr или data.table:

df$num <- ave(df$val, df$cat, FUN = seq_along)

или:

library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))

или:

library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())

или (наиболее эффективной памяти, как он назначает по ссылке в пределах DT):

library(data.table)
DT <- data.table(df)

DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
166

за то, что сделал это Р-чаво вопрос более полный, базовая альтернатива R с sequence и rle:

df$num <- sequence(rle(df$cat)$lengths)

что дает желаемый результат:

> df
   cat        val num
4  aaa 0.05638315   1
2  aaa 0.25767250   2
1  aaa 0.30776611   3
5  aaa 0.46854928   4
3  aaa 0.55232243   5
10 bbb 0.17026205   1
8  bbb 0.37032054   2
6  bbb 0.48377074   3
9  bbb 0.54655860   4
7  bbb 0.81240262   5
13 ccc 0.28035384   1
14 ccc 0.39848790   2
11 ccc 0.62499648   3
15 ccc 0.76255108   4
12 ccc 0.88216552   5

если df$cat это факторная переменная, вам нужно обернуть ее в as.character первый:

df$num <- sequence(rle(as.character(df$cat))$lengths)
13

вот вариант с использованием for цикл по группам, а не по строкам (как OP сделал)

for (i in unique(df$cat)) df$num[df$cat == i] <- seq_len(sum(df$cat == i))
6

Я хотел бы добавить data.table вариант с использованием rank() функция, которая обеспечивает дополнительную возможность изменить заказ и таким образом делает его немного более гибким, чем seq_len() решение и очень похоже на функции row_number в СУБД. 

# Variant with ascending ordering
library(data.table)
dt <- data.table(df)
dt[, .( val
   , num = rank(val))
    , by = list(cat)][order(cat, num),]

    cat        val num
 1: aaa 0.05638315   1
 2: aaa 0.25767250   2
 3: aaa 0.30776611   3
 4: aaa 0.46854928   4
 5: aaa 0.55232243   5
 6: bbb 0.17026205   1
 7: bbb 0.37032054   2
 8: bbb 0.48377074   3
 9: bbb 0.54655860   4
10: bbb 0.81240262   5
11: ccc 0.28035384   1
12: ccc 0.39848790   2
13: ccc 0.62499648   3
14: ccc 0.76255108   4

# Variant with descending ordering
dt[, .( val
   , num = rank(-val))
    , by = list(cat)][order(cat, num),]
4

вот небольшой трюк улучшения, который позволяет сортировать ' val ' внутри групп:

# 1. Data set
set.seed(100)
df <- data.frame(
  cat = c(rep("aaa", 5), rep("ccc", 5), rep("bbb", 5)), 
  val = runif(15))             

# 2. 'dplyr' approach
df %>% 
  arrange(cat, val) %>% 
  group_by(cat) %>% 
  mutate(id = row_number())
1