如何从group_by按组编号标记数据表？
我有一个tbl_df在哪里我想group_by（u，v）每个不同的整数组合观察（u，v）。
编辑：这是通过在dplyr 0.4.0中添加group_indices()来解决的
a）然后我想要为每个不同的组分配一些任意的不同数字标签= 1,2,3 …例如组合（u，v）==（2,3）可以得到标签1，（1,3）可以得到2，等等。 如何用一个mutate()做到这一点，没有三步总结和自我连接？
dplyr有一个简洁的函数n() ，但是它给出了组内的元素数量，而不是组的总数量 。 在data.table这将被简单地称为.GRP 。
b）其实我真的想要分配一个string/字符标签（'A'，'B'，…）。 但是按整数编组是很好的，因为我可以使用integer_to_label(i) ，如下所示。 除非有一个聪明的方法来合并这两个？ 但是不要为这部分出汗。
set.seed(1234) # Helper fn for mapping integer 1..26 to character label integer_to_label <- function(i) { substr("ABCDEFGHIJKLMNOPQRSTUVWXYZ",i,i) } df <- tbl_df(data.frame(u=sample.int(3,10,replace=T), v=sample.int(4,10,replace=T))) # Want to label/number each distinct group of unique (u,v) combinations df %>% group_by(u,v) %>% mutate(label = n()) # WRONG: n() is number of element within its group, not overall number of group uv 1 2 3 2 1 3 3 1 2 4 2 3 5 1 2 6 3 3 7 1 3 8 1 2 9 3 1 10 3 4 KLUDGE 1: could do df %>% group_by(u,v) %>% summarize(label = n()) , then self-join
更新了答案
get_group_number = function(){ i = 0 function(){ i <<- i+1 i } } group_number = get_group_number() df %>% group_by(u,v) %>% mutate(label = group_number())
您也可以考虑以下稍微不可读的版本
group_number = (function(){i = 0; function() i <<- i+1 })() df %>% group_by(u,v) %>% mutate(label = group_number())
使用iterators包
library(iterators) counter = icount() df %>% group_by(u,v) %>% mutate(label = nextElem(counter))
dplyr有一个group_indices()函数，你可以这样使用：
df %>% mutate(label = group_indices_(df, .dots=c("u", "v"))) %>% group_by(label) ...
另一种使用data.table方法是
require(data.table) setDT(df)[,label:=.GRP, by = c("u", "v")]
这导致：
uv label 1: 2 1 1 2: 1 3 2 3: 2 1 1 4: 3 4 3 5: 3 1 4 6: 1 1 5 7: 3 2 6 8: 2 3 7 9: 3 2 6 10: 3 4 3
用三种不同的方式更新我的答案：
A）使用interaction(u,v)整洁的非dplyr解决scheme：
> df$label <- factor(interaction(df$u,df$v, drop=T)) [1] 1.3 2.3 2.2 2.4 3.2 2.4 1.2 1.2 2.1 2.1 Levels: 2.1 1.2 2.2 3.2 1.3 2.3 2.4 > match(df$label, levels(df$label)[ rank(unique(df$label)) ] ) [1] 1 2 3 4 5 4 6 6 7 7
B）使兰迪的整洁快速和脏发生器function答案更紧凑：
get_next_integer = function(){ i = 0 function(u,v){ i <<- i+1 } } get_integer = get_next_integer() df %>% group_by(u,v) %>% mutate(label = get_integer())
C）这里也是一个使用生成器函数滥用全局variables赋值的单线程：
i <- 0 generate_integer <- function() { return(assign('i', i+1, envir = .GlobalEnv)) } df %>% group_by(u,v) %>% mutate(label = generate_integer()) rm(i)
