R data.table：如何在列中“标记”连续值？

Question

我有以下data.table（不过如果你用它作为data.frame也可以）

library(data.table)

dt <- data.table(first_column = c("item1", "item2", "item3", "item4", "item5", "item6", "item7"),
second_column = c("cat1", "cat1", "cat1", "cat2", "cat2", "cat2", "cat2"), third_column = c(50, 10, 18, 3092, 731, 189, 1991))

> dt
   first_column second_column third_column
1:        item1          cat1           50
2:        item2          cat1           10
3:        item3          cat1           18
4:        item4          cat2         3092
5:        item5          cat2          731
6:        item6          cat2          189
7:        item7          cat2         1991

我想：

(1) 如果值为

(2) 然后为这些唯一的 1 分组编号

生成的 data.table 如下所示：

> dt

  first_column second_column  third_column  labels
0        item1          cat1            50     1
1        item2          cat1            10     1
2        item3          cat1            18     1
3        item4          cat2          3092     0
4        item5          cat2           731     2
5        item6          cat2           189     2
6        item7          cat2          1991     0

这将创建一个全零和一的列：

dt$new[which(dt$third_column < 1000)] = 1

然后我将如何标记这些 1 的“分组”？

Answer 1

我们按'second_column'分组，在'i'中指定逻辑条件（third_column <= 1000），将'labels'分配（:=）为.GRP，然后下一步将NA值替换为0

dt[third_column<=1000, labels := .GRP , second_column][is.na(labels), labels :=0][]
#     first_column second_column third_column labels
#1:        item1          cat1           50      1
#2:        item2          cat1           10      1
#3:        item3          cat1           18      1
#4:        item4          cat2         3092      0
#5:        item5          cat2          731      2
#6:        item6          cat2          189      2
#7:        item7          cat2         1991      0

---

或者通过获取逻辑向量 (!duplicated(second_column)) 的累积和并将其与另一个逻辑向量 (third_column <= 1000) 相乘，第二个选项更紧凑

dt[, labels := cumsum(!duplicated(second_column))*(third_column <= 1000)]
dt
#    first_column second_column third_column labels
#1:        item1          cat1           50      1
#2:        item2          cat1           10      1
#3:        item3          cat1           18      1
#4:        item4          cat2         3092      0
#5:        item5          cat2          731      2
#6:        item6          cat2          189      2
#7:        item7          cat2         1991      0