枚举data.table中组内的组[重复]答案

【问题标题】：Enumerate groups within groups in a data.table [duplicate]枚举data.table中组内的组[重复]
【发布时间】：2019-06-21 12:02:42
【问题描述】：

这与多个重复项（1、2、3）有关，但我遇到的问题略有不同。到目前为止，我只见过熊猫solution。

在这个数据表中：

dt = data.table(gr = rep(letters[1:2], each = 6), 
                cl = rep(letters[1:4], each = 3))

    gr cl
 1:  a  a
 2:  a  a
 3:  a  a
 4:  a  b
 5:  a  b
 6:  a  b
 7:  b  c
 8:  b  c
 9:  b  c
10:  b  d
11:  b  d
12:  b  d

我想枚举每个组的唯一类以获得此：

    gr cl id
 1:  a  a  1
 2:  a  a  1
 3:  a  a  1
 4:  a  b  2
 5:  a  b  2
 6:  a  b  2
 7:  b  c  1
 8:  b  c  1
 9:  b  c  1
10:  b  d  2
11:  b  d  2
12:  b  d  2

【问题讨论】：

标签： r data.table

【解决方案1】：

试试

library(data.table)
dt[, id := rleid(cl), by=gr]
dt
#    gr cl id
# 1:  a  a  1
# 2:  a  a  1
# 3:  a  a  1
# 4:  a  b  2
# 5:  a  b  2
# 6:  a  b  2
# 7:  b  c  1
# 8:  b  c  1
# 9:  b  c  1
#10:  b  d  2
#11:  b  d  2
#12:  b  d  2

【讨论】：

就是这样！不知道rleid...

【解决方案2】：

您可以这样做（可能需要先对数据进行排序）：

dt[, id := cumsum(!duplicated(cl)), by = gr]

    gr cl id
 1:  a  a  1
 2:  a  a  1
 3:  a  a  1
 4:  a  b  2
 5:  a  b  2
 6:  a  b  2
 7:  b  c  1
 8:  b  c  1
 9:  b  c  1
10:  b  d  2
11:  b  d  2
12:  b  d  2

同dplyr:

dt %>%
 group_by(gr) %>%
 mutate(id = cumsum(!duplicated(cl)))

或者类似rleid()的可能性：

dt %>%
 group_by(gr) %>%
 mutate(id = with(rle(cl), rep(seq_along(lengths), lengths)))

【讨论】：

cumsum 的有趣解决方案

【解决方案3】：

使用factor 的替代解决方案不需要先订购

dt %>%
  group_by(gr) %>%
  mutate(id = as.numeric(factor(cl))) %>%
  ungroup()

# # A tibble: 12 x 3
#   gr    cl       id
#   <chr> <chr> <dbl>
# 1 a     a         1
# 2 a     a         1
# 3 a     a         1
# 4 a     b         2
# 5 a     b         2
# 6 a     b         2
# 7 b     c         1
# 8 b     c         1
# 9 b     c         1
#10 b     d         2
#11 b     d         2
#12 b     d         2

请注意，这将根据 cl 值的字母顺序在每个 gr 组内自动分配一个数字/ID。

【讨论】：