如何根据 R 中识别向量的元素为数据帧分配重复次数？答案

【问题标题】：How to assign number of repeats to dataframe based on elements of an identifying vector in R?如何根据 R 中识别向量的元素为数据帧分配重复次数？
【发布时间】：2011-10-06 01:39:36
【问题描述】：

我有一个数据框，其中的个人分配了一个文本 id，该文本 id 将地名与个人 id 连接起来（请参阅下面的数据）。最终，我需要将数据集从“长”转换为“宽”（例如，使用“重塑”），以便每个人只包含一行。为了做到这一点，我需要分配一个“时间”变量，reshape 可以使用它来识别随时间变化的协变量等。我有（可能是坏的）代码来为重复最多两次的个人执行此操作，但需要能够识别多达 18 次重复出现。如果我删除哈希前面的行，下面的代码可以正常工作，但最多只能识别两次重复。如果我留下那条线（这对于重复两次以上的个人来说似乎是必要的），R 会窒息，给出以下错误（可能是因为第一个个人只重复了两次）：

Error in if (data$uid[i] == data$uid[i - 2]) { : 
  argument is of length zero

有人可以帮忙吗？提前致谢！

place <- rep("ny",10)
pid <- c(1,1,2,2,2,3,4,4,5,5)
uid<- paste(place,pid,sep="")
time <- rep(0,10)
data <- cbind(uid,time)
data <- as.data.frame(data)
data$time <- as.numeric(data$time)

#bad code
data$time[1] <- 1 #need to set first so that loop doesn't go to a row that doesn't exist     (i.e., row 0)
for (i in 2:NROW(data)){
    data$time[i] <- 1 #set first occurrence to 1
    if (data$uid[i] == data$uid[i-1]) {data$time[i] <- 2} #set second occurrence to 2, etc.
    #if (data$uid[i] == data$uid[i-2]) {data$time[i] <- 3}
    i <- i+1
}

【问题讨论】：

标签： r vector elements repeat reshape

【解决方案1】：

目前尚不清楚您要做什么，但我认为您是说您需要为每一行按每个唯一的uid 创建一个时间索引。对吗？

如果是这样，试一试

library(plyr)
ddply(data, "uid", transform, time = seq_along(uid))

会给你类似的东西：

   uid time
1  ny1    1
2  ny1    2
3  ny2    1
4  ny2    2
5  ny2    3
....

【讨论】：

这对我不起作用。是不是哪里有错别字？

【解决方案2】：

这是你的想法吗？

> d <- data.frame(uid = paste("ny",c(1,2,1,2,2,3,4,4,5,5),sep=""))
> out <- do.call(rbind, lapply(split(d, d$uid), function(x) {x$time <- 1:nrow(x); x}))
> rownames(out) <- NULL
> out
   uid time
1  ny1    1
2  ny1    2
3  ny2    1
4  ny2    2
5  ny2    3
6  ny3    1
7  ny4    1
8  ny4    2
9  ny5    1
10 ny5    2

【讨论】：

【解决方案3】：

使用您的数据框设置：

place <- rep("ny",10)
pid <- c(1,1,2,2,2,3,4,4,5,5)
uid<- paste(place,pid,sep="")
time <- rep(0,10)
data <- cbind(uid,time)
data <- as.data.frame(data)

你可以使用：

data$time <- sequence(table(data$uid))
data

获得：

> data
   uid time
1  ny1    1
2  ny1    2
3  ny2    1
4  ny2    2
5  ny2    3
6  ny3    1
7  ny4    1
8  ny4    2
9  ny5    1
10 ny5    2

注意：您的 data.frame 必须首先按 uid 排序才能正常工作。

【讨论】：

不用担心。请记住更新您的首选答案，并由您决定检查其下方的勾号，以便人们可以看到最有用的答案。它还有助于您的评分选择首选答案。

【解决方案4】：

在大型数据集上尝试了上述解决方案后，我决定为此编写自己的循环。这非常非常耗时，并且仍然需要将数据分解为 50k 元素的向量，但它最终确实奏效了：

system.time( for(i in 2:length(data$uid)) {
if(data$uid[i]==data$uid[i-1]) data$repeats[i] <- data$repeats[i-1]+1
  if ((i %% 1000)== 0) { #helps to keep track of how far the loop has gotten
    print(i) }
    i+1
}
)

感谢大家的帮助。

【讨论】：