按唯一元素对值进行分组[重复]

Question

我有一个看起来像这样的向量：

a <- c("A110","A110","A110","B220","B220","C330","D440","D440","D440","D440","D440","D440","E550")

我想创建另一个基于 a 的另一个向量，应该如下所示：

b <- c(1,1,1,2,2,2,3,4,4,4,4,4,4,5)

换句话说，b 应该为 a 的每个不同元素分配一个值（从 1 开始）。

Answer 1

首先，（我假设）这是你的向量

a <- c("A110","A110","A110","B220","B220","C330","D440","D440","D440","D440","D440","D440","E550")

根据可能的解决方案，这里有几个（现在找不到好的骗子）

as.integer(factor(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或者

cumsum(!duplicated(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或者

match(a, unique(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

rle 也将在您的特定场景中以类似方式工作

with(rle(a), rep(seq_along(values), lengths))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或者（实际上是一样的）

data.table::rleid(a)
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

---

虽然建议所有 4 种解决方案在不同场景下都有其独特的行为，但请考虑以下向量

a <- c("B110","B110","B110","A220","A220","C330","D440","D440","B110","B110","E550")

以及 4 种不同解决方案的结果：

1.

as.integer(factor(a))
# [1] 2 2 2 1 1 3 4 4 2 2 5

factor 解决方案以2 开头，因为a 未排序，因此integer 函数中的integer 表示中的第一个值越来越高。因此，此解决方案仅在您的向量已排序时才有效，因此请勿在其他方面使用它。

2.

cumsum(!duplicated(a))
# [1] 1 1 1 2 2 3 4 4 4 4 5

这个cumsum/duplicated 解决方案被混淆了，因为"B110" 在开始时已经存在，因此将"D440","D440","B110","B110" 分组到同一个组中。

3.

match(a, unique(a))
# [1] 1 1 1 2 2 3 4 4 1 1 5

这个match/unique 解决方案在最后添加了一个，因为它对"B110" 出现在多个序列中很敏感（因为unique），因此无论它们出现在哪里，都将它们全部分组到同一组中

4.

with(rle(a), rep(seq_along(values), lengths))
# [1] 1 1 1 2 2 3 4 4 5 5 6

这个解决方案只关心序列，因此"B110"的不同序列被分组到不同的组中