如果多次出现，则重命名元素序列（R，dplyr）答案

【问题标题】：Rename sequence of elements if it occurs more than once (R, dplyr)如果多次出现，则重命名元素序列（R，dplyr）
【发布时间】：2020-05-17 09:08:18
【问题描述】：

我有一个数据集，df

 ID         Date
 A          9/9/2019 5:00:01
 A          9/9/2019 5:00:02
 A          9/9/2019 5:00:03
 B          9/9/2019 6:00:01
 B          9/9/2019 6:00:03
 B          9/9/2019 6:00:04
 A          9/9/2019 6:00:05
 A          9/9/2019 6:00:06
 A          9/9/2019 6:00:07
 c          9/9/2019 6:00:08
 c          9/9/2019 6:00:09
 A          9/9/2019 6:00:10
 A          9/9/2019 6:00:11

我愿意

 ID         Date
 A          9/9/2019 5:00:01
 A          9/9/2019 5:00:02
 A          9/9/2019 5:00:03
 B          9/9/2019 6:00:01
 B          9/9/2019 6:00:03
 B          9/9/2019 6:00:04
 list1      9/9/2019 6:00:05
 list1      9/9/2019 6:00:06
 list1      9/9/2019 6:00:07
 c          9/9/2019 6:00:08
 c          9/9/2019 6:00:09
 list2      9/9/2019 6:00:10
 list2      9/9/2019 6:00:11

如果一个元素序列在我的数据集中出现多次，我想重命名它

输出：

structure(list(ID = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 
1L, 3L, 3L, 1L, 1L), .Label = c("A", "B", "c"), class =   "factor"), 
Date = structure(1:13, .Label = c("9/9/2019 12:00:00 AM", 
"9/9/2019 12:00:01 AM", "9/9/2019 12:00:02 AM", "9/9/2019    12:00:03 AM", 
"9/9/2019 12:00:04 AM", "9/9/2019 12:00:05 AM", "9/9/2019   12:00:06 AM", 
"9/9/2019 12:00:07 AM", "9/9/2019 12:00:08 AM", "9/9/2019 12:00:09 AM", 
"9/9/2019 12:00:11 AM", "9/9/2019 12:00:12 AM", "9/9/2019 12:00:13 AM"
), class = "factor")), class = "data.frame", row.names = c(NA, 
-13L))

这是我尝试过的：

c(letters, do.call(paste0, expand.grid(letters, 1:1000)))
setDT(df[, grp := rleid(ID)][ItemSubject == "", 
ItemSubject := nm1[.GRP], grp][, grp := NULL][]

我之前使用过这个命令，但不确定是否将这个特定命令集成到代码中。

【问题讨论】：

标签： r list loops data.table

【解决方案1】：

我觉得下面的做法比较干净：

library(data.table)
setDT(DT)

DT[ , run_id := rleid(ID)]
DT[DT[ , .SD[1L], by = run_id][duplicated(ID), ID := paste0('list', .I)],
   on = 'run_id', ID := i.ID][]
#         ID                    Date run_id
#     <fctr>                  <fctr>  <int>
#  1:      A    9/9/2019 12:00:00 AM      1
#  2:      A    9/9/2019 12:00:01 AM      1
#  3:      A    9/9/2019 12:00:02 AM      1
#  4:      B 9/9/2019    12:00:03 AM      2
#  5:      B    9/9/2019 12:00:04 AM      2
#  6:      B    9/9/2019 12:00:05 AM      2
#  7:  list1  9/9/2019   12:00:06 AM      3
#  8:  list1    9/9/2019 12:00:07 AM      3
#  9:  list1    9/9/2019 12:00:08 AM      3
# 10:      c    9/9/2019 12:00:09 AM      4
# 11:      c    9/9/2019 12:00:11 AM      4
# 12:  list2    9/9/2019 12:00:12 AM      5
# 13:  list2    9/9/2019 12:00:13 AM      5

数据基本上是跨行排序的——A 第 1-3 行系列与A 第 7-9 行系列不同。

这暗示rleid 必须发挥作用。 rleid 为每个 series 生成一个我认为符合您对数据集的结构的 ID。

现在，我们可以解决您的问题。正如您所描述的，每当run_id 增加但ID 重复时，我们希望替换ID 列。

我采取的方法是尝试使用duplicated 来检测重复。问题是在原始表中，有A 的重复（例如行 2 & 3) 在我们所说的意义上不是重复的。我们希望首先将表每run_id 减少为一行，这样重复就意味着重复run_ids。这就是DT[ , .SD[1L], by = run_id] 部分的作用。请注意，严格来说，我们可以使用DT[ , .(ID = ID[1L]), by = run_id]，因为我们不需要Date 列。

现在，我们可以使用duplicated(ID) 来识别重复的行；由于第二个参数（通常称为j）在过滤器duplicated(ID) 发生后评估，因此只剩下两行，因此.I 与您想要的计数器完美对齐替换。

一旦完成，我们可以通过加入和覆盖（又名update-on-join）替换原始表中的目标ID值。

【讨论】：

哇这工作！我现在将在我的大型数据集上尝试这个。这本质上是一个循环吗？
@tanishahudson 在某种程度上，一切都是一个循环? 说真的，我会专注于在如何考虑数据结构方面要带走什么，这里有一些重要的想法：（1）时间系列/有序数据 (2) 聚合 (3) 唯一性 (4) 连接

【解决方案2】：

在base R，我们可以用rle做到这一点

df1$ID <- inverse.rle(within.list(rle(as.character(df1$ID)),  {
           i1 <- duplicated(values)
           values[i1] <- paste0("list", seq_len(sum(i1)))
            }))
df1
#      ID                    Date
#1      A    9/9/2019 12:00:00 AM
#2      A    9/9/2019 12:00:01 AM
#3      A    9/9/2019 12:00:02 AM
#4      B 9/9/2019    12:00:03 AM
#5      B    9/9/2019 12:00:04 AM
#6      B    9/9/2019 12:00:05 AM
#7  list1  9/9/2019   12:00:06 AM
#8  list1    9/9/2019 12:00:07 AM
#9  list1    9/9/2019 12:00:08 AM
#10     c    9/9/2019 12:00:09 AM
#11     c    9/9/2019 12:00:11 AM
#12 list2    9/9/2019 12:00:12 AM
#13 list2    9/9/2019 12:00:13 AM

【讨论】：

【解决方案3】：

这是另一个data.table 选项：

DT[, nid := rleid(ID)][, 
    ri := rleid(nid), ID][
        ri > 1L, ID := paste0("list", ri - 1L), ID]

输出：

       ID                    Date nid ri
 1:     A    9/9/2019 12:00:00 AM   0  1
 2:     A    9/9/2019 12:00:01 AM   0  1
 3:     A    9/9/2019 12:00:02 AM   0  1
 4:     B 9/9/2019    12:00:03 AM   1  1
 5:     B    9/9/2019 12:00:04 AM   1  1
 6:     B    9/9/2019 12:00:05 AM   1  1
 7: list1  9/9/2019   12:00:06 AM   2  2
 8: list1    9/9/2019 12:00:07 AM   2  2
 9: list1    9/9/2019 12:00:08 AM   2  2
10:     c    9/9/2019 12:00:09 AM   3  1
11:     c    9/9/2019 12:00:11 AM   3  1
12: list2    9/9/2019 12:00:12 AM   4  3
13: list2    9/9/2019 12:00:13 AM   4  3

【讨论】：