为相等值的连续运行创建组号答案

【问题标题】：Create group number for contiguous runs of equal values为相等值的连续运行创建组号
【发布时间】：2015-07-30 15:14:31
【问题描述】：

有没有比使用循环更快的方法来创建计数器索引？对于每个连续运行的相等值，索引应该相同。我发现循环非常慢，尤其是当数据很大时。

为了说明，这里是输入和期望的输出

x <- c(2, 3, 9, 2, 4, 4, 3, 4, 4, 5, 5, 5, 1)

所需的结果计数器：

c(1, 2, 3, 4, 5, 5, 6, 7, 7, 8, 8, 8, 9)

请注意，非连续运行具有不同索引。例如。查看值2 和4 的所需索引

我的低效代码是这样的：

group[1]<-1
counter<-1
for (i in 2:n){
if (x[i]==x[i-1]){
    group[i]<-counter
}else{
    counter<-counter+1
    group[1]<-counter}
}

【问题讨论】：

【解决方案1】：

使用data.table，具有rleid()的功能：

require(data.table) # v1.9.5+
rleid(x)
#  [1] 1 2 3 4 5 5 6 7 7 8 8 8 9

【讨论】：

【解决方案2】：

如果您有这样的数值，您可以使用diff 和cumsum 将值的变化相加

x <- c(2,3,9,2,4,4,3,4,4,5,5,5,1)
cumsum(c(1,diff(x)!=0))
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9

【讨论】：

肯定比我的回答快。目前无法针对 Arun 的 data.table 答案进行评估。
感谢弗兰克的评论。我现在将使用 MrFlick 的建议。 Arun的data.table建议似乎需要一些安装。
是的，如果您想尝试 Arun 的解决方案，请参阅此链接以获取安装帮助：github.com/Rdatatable/data.table/wiki/Installation
@Frank，昨天推出了更快的rleid() 版本，它也可以节省内存。这里，diff(x)、c(...)、!= 和 cumsum() 都分配了新的内存，这意味着它需要大约 4 倍于空间中的原始数据！！

【解决方案3】：

这将适用于数字字符值：

rep(1:length(rle(x)$values), times = rle(x)$lengths)
#[1] 1 2 3 4 5 5 6 7 7 8 8 8 9

您也可以通过只调用一次rle 来提高效率（大约快 2 倍）并且使用rep.int 而不是rep 可以非常略微提高速度：

y <- rle(x)
rep.int(1:length(y$values), times = y$lengths)

【讨论】：

【解决方案4】：

以上answer by Jota 可以进一步简化为，这样会更快

with(rle(x), rep(1:length(lengths), lengths))

 [1] 1 2 3 4 5 5 6 7 7 8 8 8 9

【讨论】：