如何根據數據框中的分組變量創建連續索引

Question

我有一個數據框（all_data），其中我有一個網站列表（1 ...至n）及其分數，例如，

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

我想要做的是在數據框中創建另一列，以數字順序爲每個站點編號，例如，從1至3上面的例子所以all_data會是什麼樣子：

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 

我相信這應該很容易解決，但我還沒有找到一種方法呢。

Answer 1

嘗試Data$number <- as.numeric(as.factor(Data$site))

在旁註：我和@Chase的一方面的解決方案，並@DWin上的另一種之間的差異，是數字的排序。無論as.factor和factor將水平自動排序，而不會在@DWin的解決方案發生：

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)) 

給人

> 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. 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 

Answer 2

你可以把網站變成一個因素，然後返回數字或因子的整數值：

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 

Answer 3

這應該是相當有效的和可以理解的：

個

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

Answer 4

另外兩個選項：

1）從data.table包使用.GRP功能：

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

從低於此的示例數據集導致：

> 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​​功能從dplyr：

dat$num <- group_indices(dat, site) 

或當你想解決非標評價：

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

導致：

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給出了組號的不同順序。

---

如果想要另一個號碼每次組更改時，還有其他幾個選項：

1）與基礎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）與data.table包：

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

所有結果：

> 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 

---

使用的數據

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