如何爲每個記錄序列分配唯一的ID？

例如，我有如下表：

time machine visitor 
11:30 A  123 
11:31 A  123 
11:33 A  123 
11:34 A  256 
11:35 A  256 
11:36 A  256 
11:37 A  256 
11:38 A  789 
11:40 A  789 
11:42 A  789 
11:50 A  123 
11:51 A  123

當我想添加到每個記錄下會話ID結果：

time machine visitor session 
11:30 A  123  1 
11:31 A  123  1 
11:33 A  123  1 
11:34 A  256  2 
11:35 A  256  2 
11:36 A  256  2 
11:37 A  256  2 
11:38 A  789  3 
11:40 A  789  3 
11:42 A  789  3 
11:50 A  123  4 
11:51 A  123  4

我寫了一個循環，是應該這樣做，但它太慢了：

session = 1 
for (i in 2:nrow(df)) { 
    if(df[i, ]$visitor != df[i-1, ]$visitor) 
    { 
    session = session + 1 
    } 
    df[i, ]$session = session 
}

來源

2016-01-14 souser

不會變'visitor'做的工作？ – Cath

@Cath否，因爲訪客可以多次使用一臺機器，使他們分開會話 – souser

我認爲有這樣的事情;-)你應該在你的問題和你的例子data.frame – Cath

可能不是最清晰的方法，但您可以執行以下操作：

df$session <- cumsum(c(TRUE,as.logical(diff(df$visitor))))

要打破它一點：

> diff(df$visitor) #Difference between values in each row. 
[1] 0 0 133 0 0 0 533 0 0 
> c(TRUE,as.logical(diff(df$visitor))) #Converts to logical and add a lag: 
[1] TRUE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE 
> cumsum(c(TRUE,as.logical(diff(df$visitor)))) #Then cumulative sum. 
[1] 1 1 1 2 2 2 2 3 3 3

來源

2016-01-14 13:01:01 plannapus

謝謝！我想過差異函數，但不知道cumsum。 – souser

糾正我，如果我錯了，但我認爲這不會按預期工作，如果訪問者在連續兩行保持不變，但機器會改變。 –

@docendodiscimus事實上：既然沒有在問題中提及，我根據OP的第一次嘗試回答我的答案。這與OP的循環完全相同，但效率更高。 – plannapus

我們可以試試

library(data.table) 
setDT(df1)[, session:= .GRP, .(visitor, machine)]

或沒有任何分組，使用base R

v1 <- do.call(paste, df1[c('visitor', 'machine')]) 
df1$session <- match(v1, unique(v1))

如果 '客人' 一些休息後重復的，我們可以 '會話' 是不同的

setDT(df1)[, session := rleid(visitor)] 
df1 
# time machine visitor session 
#1: 11:30  A  123  1 
#2: 11:31  A  123  1 
#3: 11:33  A  123  1 
#4: 11:34  A  256  2 
#5: 11:35  A  256  2 
#6: 11:36  A  256  2 
#7: 11:37  A  256  2 
#8: 11:38  A  789  3 
#9: 11:40  A  789  3 
#10:11:42  A  789  3

來源

2016-01-14 12:56:04 akrun

如何爲每個記錄序列分配唯一的ID？

回答

相關問題