列中的每次更改增加 1答案

【问题标题】：Increment by 1 for every change in column列中的每次更改增加 1
【发布时间】：2015-04-15 21:28:43
【问题描述】：

假设我有以下数据框

set.seed(123)
df <- data.frame(var1=(runif(10)>0.5)*1)

var1 可以有任何类型/数量的级别，而不是特别是 0 和 1s

我想创建一个var2，每次var1 更改没有使用for loop

这种情况下的预期结果是：

data.frame(var1=(runif(10)>0.5)*1, var2=c(1, 2, 3, 4, 4, 5, 6, 6, 6, 7))

var1 var2
   0    1
   1    2
   0    3
   1    4
   1    4
   0    5
   1    6
   1    6
   1    6
   0    7

数据框的另一个选项可能是：

df <- data.frame(var1=c("a", "a", "1", "0", "b", "b", "b", "c", "1", "1"))

在这种情况下，结果应该是：

【问题讨论】：

标签： r

【解决方案1】：

以弗利克先生的回答为基础：

df$var2 <- cumsum(c(0,as.numeric(diff(df$var1))!=0))

但是如果你不想使用diff你仍然可以使用：

df$var2 <- c(0,cumsum(as.numeric(with(df,var1[1:(length(var1)-1)] != var1[2:length(var1)]))))

它从 0 开始，而不是从 1 开始，但我相信您会知道如何更改它，如果您愿意的话。

【讨论】：

谢谢，这正是我想要的。
这似乎在使用分组 tibble 时中断。

【解决方案2】：

如何使用diff() 和cumsum()。例如

df$var2 <- cumsum(c(1,diff(df$var1)!=0))

【讨论】：

var1 的级别可以是不只是 0 和或 1 的任何值。例如 c("a", "a", "1", "0", "b", "b", "a", ....)
我收到了Warning message: In is.na(r) : is.na() applied to non-(list or vector) of type 'NULL'
你需要使用as.numeric(diff(df$var1))==0 而不是单独使用 diff()

【解决方案3】：

这些看起来像游程编码 (rle)

x = c("a", "a", "1", "0", "b", "b", "b", "c", "1", "1")
r = rle(x)

与

> rle(x)
Run Length Encoding
  lengths: int [1:6] 2 1 1 3 1 2
  values : chr [1:6] "a" "1" "0" "b" "c" "1"

这表示第一个值（“a”）连续出现 2 次，然后“1”出现一次，依此类推。您所追求的是沿着“长度”创建一个序列，并复制每个元素元素出现次数的顺序，所以

> rep(seq_along(r$lengths), r$lengths)
 [1] 1 1 2 3 4 4 4 5 6 6

其他答案是半欺骗性的，因为它们依赖于作为 factor() 的列；当列实际上是一个字符（）时，它们会失败。

> diff(x)
Error in r[i1] - r[-length(r):-(length(r) - lag + 1L)] : 
  non-numeric argument to binary operator

一种解决方法是将字符映射为整数，沿线

> diff(match(x, x))
[1]  0  2  1  1  0  0  3 -5  0

嗯，不过话说回来我发现 rle 对因子不起作用！

> f = factor(x)
> rle(f)
Error in rle(factor(x)) : 'x' must be a vector of an atomic type
> rle(as.vector(f))
Run Length Encoding
  lengths: int [1:6] 2 1 1 3 1 2
  values : chr [1:6] "a" "1" "0" "b" "c" "1"

【讨论】：

【解决方案4】：

这是另一个使用inverse.rle() 的基于 R 的解决方案：

df <- data.frame(var1=c("a", "a", "1", "0", "b", "b", "b", "c", "1", "1"))
r <- rle(as.character(df$var1))
r$values <- seq_along(r$values)
df$var2 <- inverse.rle(r)

短版：

df$var2 <- with(rle(as.character(df$var1)), rep(seq_along(values), lengths))

这是data.table的解决方案：

library("data.table")
dt <- data.table(var1=c("a", "a", "1", "0", "b", "b", "b", "c", "1", "1"))
dt[, var2:=rleid(var1)]

【讨论】：

【解决方案5】：

我只是复制上面 Martin Morgan 的 rle() 答案，但使用 tidyverse 约定来实现它，以便将分组列直接添加到数据框/小标题中，这是我大部分时间最终使用的方式。

## Using run-length-encoding, create groups of identical values and put that
## common grouping identifier into a `grp` column.
library(tidyverse)

set.seed(42)

df <- tibble(x = sample(c(0,1), size=20, replace=TRUE, prob = c(0.2, 0.8)))

df %>%
    mutate(grp = rle(x)$lengths %>% {rep(seq(length(.)), .)})
#> # A tibble: 20 x 2
#>        x   grp
#>    <dbl> <int>
#>  1     0     1
#>  2     0     1
#>  3     1     2
#>  4     0     3
#>  5     1     4
#>  6     1     4
#>  7     1     4
#>  8     1     4
#>  9     1     4
#> 10     1     4
#> 11     1     4
#> 12     1     4
#> 13     0     5
#> 14     1     6
#> 15     1     6
#> 16     0     7
#> 17     0     7
#> 18     1     8
#> 19     1     8
#> 20     1     8

【讨论】：