为 R 中的 data.frame 中的每个“id”单独但唯一地创建一个变量答案

【问题标题】：create a variable separately but uniquely for each `id` in a data.frame in R为 R 中的 data.frame 中的每个“id”单独但唯一地创建一个变量
【发布时间】：2019-08-13 20:15:11
【问题描述】：

我有一个data.frame 有两个变量es 和id。我想添加一个名为weeks 的新变量。但我想单独创建weeks，但对每个id 都是唯一的。

例如，如果 es == "SHORT" 对于所有 id == 1 的行，我想要相同的数字（例如，3）。如果 id == 2 是不同的数字（例如，1）。

我能否在 BASE R 中实现这一点（请参阅下面的所需输出结构）？

注意：SHORT < DEL1 < DEL2 以每个id 下的数值表示。

下面是我试过的数据和代码，没有成功：

D <- data.frame(es = c("SHORT", "SHORT", "SHORT","DEL1", "DEL1","DEL1","SHORT", 
            "SHORT", "SHORT", "DEL1", "DEL1", "DEL1","DEL2","DEL2","DEL2"),

                id = c(rep(1, 6), rep(2, 9)) ) 


weeks <- ifelse(D$es == "SHORT", sample(1:5, 6, T), ifelse(D$es == "DEL1", 
                                                        sample(4:8, 7, T),
                                                        sample(7:12, 2, T)))

所需的输出结构（数值是随机的）：

   es  id   weeks
SHORT  1     3
SHORT  1     3
SHORT  1     3
 DEL1  1     5
 DEL1  1     5
 DEL1  1     5
SHORT  2     1
SHORT  2     1
SHORT  2     1
 DEL1  2     6
 DEL1  2     6
 DEL1  2     6
 DEL2  2     8
 DEL2  2     8
 DEL2  2     8

【问题讨论】：

创建一个查找data.frame然后使用merge
试试D_lookup <- unique(D); D_lookup$weeks <- c(3, 5, 1, 6, 8); out <- merge(D, D_lookup), out[order(out$id, out$weeks), ]
查看我更新的评论。
（刚刚从merge 发现了sort 参数。）

标签： r function dataframe lapply

【解决方案1】：

基本上是@markus 的建议。如果您需要随机的周数，可以将seq_along 替换为sample 或其他函数。

D <- data.frame(es = c("SHORT", "SHORT", "SHORT","DEL1", "DEL1","DEL1","SHORT", 
                       "SHORT", "SHORT", "DEL1", "DEL1", "DEL1","DEL2","DEL2","DEL2"),

                id = c(rep(1, 6), rep(2, 9)) ) 

weeksTbl <- unique(D)
weeksTbl$weeks <- seq_along(weeksTbl[[1]])

merge(D, weeksTbl, all = TRUE, sort = FALSE)

#>       es id weeks
#> 1  SHORT  1     1
#> 2  SHORT  1     1
#> 3  SHORT  1     1
#> 4   DEL1  1     2
#> 5   DEL1  1     2
#> 6   DEL1  1     2
#> 7  SHORT  2     3
#> 8  SHORT  2     3
#> 9  SHORT  2     3
#> 10  DEL1  2     4
#> 11  DEL1  2     4
#> 12  DEL1  2     4
#> 13  DEL2  2     5
#> 14  DEL2  2     5
#> 15  DEL2  2     5

【讨论】：

【解决方案2】：

考虑 diff 和 cumsum 来对不同分组进行顺序排序：

set.seed(8132019)
rand <- sample(1:10, 10, replace=FALSE)

D <- within(D, {        
          diff <- c(0,diff(es)) + c(0, diff(id))
          weeks <- cumsum(ifelse(diff == 0, 0, 1)) + 1

          rm(diff)
    })

D
#       es id weeks
# 1  SHORT  1     1
# 2  SHORT  1     1
# 3  SHORT  1     1
# 4   DEL1  1     2
# 5   DEL1  1     2
# 6   DEL1  1     2
# 7  SHORT  2     3
# 8  SHORT  2     3
# 9  SHORT  2     3
# 10  DEL1  2     4
# 11  DEL1  2     4
# 12  DEL1  2     4
# 13  DEL2  2     5
# 14  DEL2  2     5
# 15  DEL2  2     5

【讨论】：

确保它是由id 订购的，否则你可能会在diff(id) 中得到一个-1，而在diff(es) 中取消一个1 以获得0 的差异（未能增加cumsum)
好点@IceCreamToucan。 Reza，这个解决方案应该以任何字符组顺序工作，因为它检查两列中的差异：es 和 id。
实际上@IceCreamToucan，我先用 1 的 id 进行测试，然后再用 0 进行测试，解决方案仍然成立：rextester.com/GMO24389。
原帖没有提到排序，而是随机数分组。然后只需删除随机数：weeks <- cumsum(diff)+1。见编辑。
这是一个与排序相关的示例：获取原始数据，然后运行D$id[D$id == 2] <- -1，然后运行within 代码