如何基于数据框中的分组variables创build连续索引
我有一个数据框（ all_data ），其中我有一个网站列表（1 …至n）和他们的分数，例如
site score 1 10 1 11 1 12 4 10 4 11 4 11 8 9 8 8 8 7
我想要做的是在数据框中创build另一个列，以数字顺序编号每个站点，例如在上面的例子中从1到3.所以all_data看起来像：
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
我相信这一定很容易解决，但我还没有find办法。
尝试Data$number <- as.numeric(as.factor(Data$site))
在旁注：我和@Chase的解决scheme和@DWin的解决scheme之间的区别在于数字的sorting。 as.factor和factor都会自动排列级别，而在@DWin的解决scheme中不会发生这种情况：
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$site) )
给
> Dat site score number sitenum 1 1 0.7377561 1 1 2 1 0.3131139 1 1 3 1 0.7862290 1 1 4 8 0.4480387 3 2 5 8 0.3873210 3 2 6 8 0.8778102 3 2 7 4 0.6916340 2 3 8 4 0.3033787 2 3 9 4 0.6552808 2 3
这应该是相当有效率和可以理解的：
Dat$sitenum <- match(Dat$site, unique(Dat$site))
另外两个选项：
1）使用data.table包中的.GRP函数：
library(data.table) setDT(dat)[, num := .GRP, by = site]
与从下面的示例数据集结果在：
> 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）使用dplyr的group_indices函数：
dat$num <- group_indices(dat, site)
或者当你想要解决非标准的评估时：
library(dplyr) dat %>% mutate(num = group_indices_(dat, .dots = c('site')))
这导致：
site score num 1 1 0.42480366 1 2 1 0.98736177 1 3 1 0.35766187 1 4 8 0.06243182 3 5 8 0.55617002 3 6 8 0.20304632 3 7 4 0.90855921 2 8 4 0.25215078 2 9 4 0.44981251 2 10 8 0.60288270 3 11 8 0.46946587 3 12 8 0.44941782 3
可以看出， dplyr给出了组号的不同顺序。
如果每次组更改时都需要另一个号码，则还有其他几个选项：
1）与基地R：
# option 1: dat$num <- cumsum(c(TRUE, head(dat$site, -1) != tail(dat$site, -1))) # option 2: x <- rle(dat$site)$lengths dat$num <- rep(seq_along(x), times=x)
2）用data.table包：
library(data.table) setDT(dat)[, num := rleid(site)]
所有这些导致：
> dat site score num 1 1 0.80817855 1 2 1 0.07881334 1 3 1 0.60092828 1 4 8 0.71477988 2 5 8 0.51384565 2 6 8 0.72011650 2 7 4 0.74994627 3 8 4 0.09564052 3 9 4 0.39782587 3 10 8 0.29446540 4 11 8 0.61725367 4 12 8 0.97427413 4
使用的数据：
dat <- data.frame(site = rep(c(1,8,4,8), each = 3), score = runif(12))
您可以将网站变成一个因子，然后返回该因子的数字或整数值：
dat <- data.frame(site = rep(c(1,4,8), each = 3), score = runif(9)) dat$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
