分组后R中的排名函数答案

【问题标题】：Rank function in R after group by分组后R中的排名函数
【发布时间】：2020-09-29 05:35:44
【问题描述】：

如何使用 R 创建排名列？下面是一个例子
这就是我所拥有的：


Date       group
12/5/2020    A
12/5/2020    A
11/7/2020    A
11/7/2020    A
11/9/2020    B
11/9/2020    B
10/8/2020    B

这就是我想要的：

Date       group   rank
12/5/2020    A      2
12/5/2020    A      2
11/7/2020    A      1
11/7/2020    A      1
11/9/2020    B      2
11/9/2020    B      2
10/8/2020    B      1

【问题讨论】：

嗨雨莎。欢迎来到堆栈溢出。你能告诉我们为什么排名是这样的吗？从您的示例中不是很清楚。

标签： r dataframe rank

【解决方案1】：

将Date列转换为实际的日期对象，arrangeDate的数据，并使用match和unique得到rank列。

library(dplyr)

df %>%
  mutate(Date = lubridate::mdy(Date)) %>%
  arrange(group, Date) %>%
  group_by(group) %>%
  mutate(rank = match(Date, unique(Date)))

#  Date       group  rank
#  <date>     <chr> <int>
#1 2020-11-07 A         1
#2 2020-11-07 A         1
#3 2020-12-05 A         2
#4 2020-12-05 A         2
#5 2020-10-08 B         1
#6 2020-11-09 B         2
#7 2020-11-09 B         2

数据

df <- structure(list(Date = c("12/5/2020", "12/5/2020", "11/7/2020", 
"11/7/2020", "11/9/2020", "11/9/2020", "10/8/2020"), group = c("A", 
"A", "A", "A", "B", "B", "B")), class = "data.frame", row.names = c(NA, -7L))

【讨论】：

【解决方案2】：

tidyverse

（我在这里使用dplyr，因为我认为很容易看到正在执行的步骤。）

第一种方法可能是利用 R 的 factor 函数，该函数为每个不同的值分配一个整数，以便对这个 factor 的操作更快（与字符串相比）。也就是说，它需要一个（可能很长）字符串向量并将其转换为一个长度相同的整数向量（更小更快）和一个非常短的字符串向量，其中整数是小向量的索引字符串。这个小向量称为因子的“水平”。

library(dplyr)
group_by(dat, group) %>%
  mutate(rank = as.integer(factor(Date))) %>%
  ungroup()
# # A tibble: 7 x 3
#   Date      group  rank
#   <chr>     <chr> <int>
# 1 12/5/2020 A         2
# 2 12/5/2020 A         2
# 3 11/7/2020 A         1
# 4 11/7/2020 A         1
# 5 11/9/2020 B         2
# 6 11/9/2020 B         2
# 7 10/8/2020 B         1

这种“排序”有效，但有两个问题：

这取决于Date 列的字典排序，对此数据样本是可接受的，但这会失败。更好的方法是转换为更适合排序的对象，例如 Date 对象。

排序失败：
```
sort(c("12/9/2020", "11/9/2020", "2/9/2020"))
# [1] "11/9/2020" "12/9/2020" "2/9/2020" 
```

dat %>%
  mutate(Date = as.Date(Date, format = "%m/%d/%Y")) %>%
  group_by(group) %>%
  mutate(rank = as.integer(factor(Date))) %>%
  ungroup()
# # A tibble: 7 x 3
#   Date       group  rank
#   <date>     <chr> <int>
# 1 2020-12-05 A         2
# 2 2020-12-05 A         2
# 3 2020-11-07 A         1
# 4 2020-11-07 A         1
# 5 2020-11-09 B         2
# 6 2020-11-09 B         2
# 7 2020-10-08 B         1

和

确实有更好的排名函数，例如dplyr::dense_rank（@akrun 首先给出了答案......老实说，我正在构建它）：

dat %>%
  mutate(Date = as.Date(Date, format = "%m/%d/%Y")) %>%
  group_by(group) %>%
  mutate(rank = dense_rank(Date)) %>%
  ungroup()
# # A tibble: 7 x 3
#   Date       group  rank
#   <date>     <chr> <int>
# 1 2020-12-05 A         2
# 2 2020-12-05 A         2
# 3 2020-11-07 A         1
# 4 2020-11-07 A         1
# 5 2020-11-09 B         2
# 6 2020-11-09 B         2
# 7 2020-10-08 B         1

【讨论】：

我的失败是没有写出最终答案first。 *耸耸肩*

【解决方案3】：

我们可以在将“日期”转换为Date类后使用dense_rank

library(dplyr)
library(lubridate)
df1 %>% 
      group_by(group) %>% 
      mutate(rank = dense_rank(mdy(Date)))
# A tibble: 7 x 3
# Groups:   group [2]
#  Date      group  rank
#  <chr>     <chr> <int>
#1 12/5/2020 A         2
#2 12/5/2020 A         2
#3 11/7/2020 A         1
#4 11/7/2020 A         1
#5 11/9/2020 B         2
#6 11/9/2020 B         2
#7 10/8/2020 B         1

数据

df1 <- structure(list(Date = c("12/5/2020", "12/5/2020", "11/7/2020", 
"11/7/2020", "11/9/2020", "11/9/2020", "10/8/2020"), group = c("A", 
"A", "A", "A", "B", "B", "B")), class = "data.frame", row.names = c(NA, 
-7L))

【讨论】：