data.frame 中相等的行数

Question

我有一个如下所示的数据框：

df <- data.frame(
  Logical = c(TRUE,FALSE,FALSE,FALSE,FALSE,FALSE),
  A = c(1,2,3,2,3,1),
  B = c(1,0.05,0.80,0.05,0.80,1),
  C = c(1,10.80,15,10.80,15,1))

看起来像：

  Logical A    B    C
1    TRUE 1 1.00  1.0
2   FALSE 2 0.05 10.8
3   FALSE 3 0.80 15.0
4   FALSE 2 0.05 10.8
5   FALSE 3 0.80 15.0
6   FALSE 1 1.00  1.0

我想添加一个新变量D，它是一个基于以下规则的整数：如果df$Logical 是TRUE，则为0，或者对于所有行都相同的整数变量A、B 和C 大致相等（因为它们是双精度数，因此在浮点误差范围内），从1 开始。

这里的预期输出：

  Logical A    B    C D
1    TRUE 1 1.00  1.0 0
2   FALSE 2 0.05 10.8 1
3   FALSE 3 0.80 15.0 2
4   FALSE 2 0.05 10.8 1
5   FALSE 3 0.80 15.0 2
6   FALSE 1 1.00  1.0 3

第一行得到0，因为Logical是TRUE，第二行和第四行得到1，因为变量A、B和C在那里大致相等，第二和第五行相同排。第六行得到一个3，因为它是下一个唯一的行。请注意，D 中分配的整数顺序无关紧要，0 除外。例如，第 2 行和第 4 行也可以分配为 2，只要此整数在 D 的其他情况下是唯一的。

---

我考虑过使用聚合函数。例如使用ddply:

library("plyr")
df$foo <- 1:nrow(df)
foo <- dlply(df,.(A,B,C),'[[',"foo")
df$D <- 0
for (i in 1:length(foo)) df$D[foo[[i]]] <- i
df$D[df$Logical] <- 0

有效，但我不确定这对浮点错误的效果如何（我想我可以在此调用之前对此处的值进行四舍五入，但它应该相当稳定）。使用循环很容易：

df$D <- 0
c <- 1
for (i in 1:nrow(df))
{
  if (!isTRUE(df$Logical[i]) & df$D[i]==0)
  {
    par <- sapply(1:nrow(df),function(j)!df$Logical[j]&isTRUE(all.equal(unlist(df[j,c("A" ,"B", "C")]),unlist(df[i,c("A" ,"B", "C")]))))
    df$D[par] <- c
    c <- c+1
  }
}

但这对于较大的数据帧来说非常慢。

Answer 1

根据下面 Matthew Dowle 的 cmets，data.table 可以对数值进行分组，并使用 .Machine$double.eps^.5 容差来区分它们。考虑到这一点，data.table 解决方案应该可以工作：

library(data.table)

DT <- as.data.table(df)

DT[, D := 0]

.GRP <- 0

DT[!Logical, D := .GRP <- .GRP + 1, by = "A,B,C"]

#    Logical A    B    C foo D
# 1:    TRUE 1 1.00  1.0   1 0
# 2:   FALSE 2 0.05 10.8   2 1
# 3:   FALSE 3 0.80 15.0   3 2
# 4:   FALSE 2 0.05 10.8   4 1
# 5:   FALSE 3 0.80 15.0   5 2
# 6:   FALSE 1 1.00  1.0   6 3

正如 Matthew Dowle 所写的 here，.GRP 在 data.table 1.8.3 中实现，但我仍然使用 1.8.2

---

从 cmets 跟进，这是 1.8.2 的 NEWS 项目。将添加到?data.table，感谢您的强调！

数字列（double 类型）现在允许在键和 ad hoc by 中使用。 J() 和 SJ() 不再将 double 强制转换为 integer。 i 加入列 数字类型上的不匹配被强制以静默方式匹配 x 的连接列的类型。 两个浮点值 被认为是相等的（通过分组和二分搜索连接）如果它们 默认情况下，差异在 sqrt(.Machine$double.eps) 内。查看示例 在?unique.data.table。完成 FR #951、#1609 和 #1075。这铺平了 其他使用double 的原子类型的方式（例如POSIXct 和bit64）。 感谢 Chris Neff 进行 beta 测试并发现密钥问题 两个数字列（错误 #2004），已修复并添加了测试。