根据时间序列中的位置将因子水平拆分为新水平

Question

我正在尝试研究如何根据它们在时间序列中的位置将因子水平拆分为新的水平。

拿一些玩具数据：

Time <- c(1:18)
Factor <- as.factor(c(1,1,1,2,2,2,3,3,3,1,1,1,2,2,2,3,3,3))
Value <- c(rnorm(18))
df <- data.frame(Time, Factor, Value)
str(df)
'data.frame':   18 obs. of  3 variables:
 $ Time  : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Factor: Factor w/ 3 levels "1","2","3": 1 1 1 2 2 2 3 3 3 1 ...
 $ Value : num  -0.728 -0.715 1.771 -0.54 -0.433 ...

有了这个数据，变量因子是一个具有 3 个水平的因子。我想根据时间序列中的出现来拆分级别。因此，第一次出现因素 1 块时，我想将其重命名为 1.1、1.1、1.1，第二次出现时，我想将其重命名为 1.2、1.2、1.2 等。

任何人都可以建议这样做的方法吗？ 可能真实数据有一​​个变量MIU_VALVE，这是一个包含 13 个级别的因素，我不会对其应用任何建议。这是我的真实数据的结构：

str(data1)
'data.frame':   85874 obs. of  19 variables:
 $ Time       : POSIXct, format: "2015-06-08 09:55:48" "2015-06-08 09:55:48"     "2015-06-08 09:55:49" "2015-06-08 09:55:50" ...
 $ [N2O]_ppm  : num  0.333 0.333 0.334 0.333 0.333 ...
 $ d15NA      : num  -17.9 -41.1 -49 -32.4 -29.2 ...
 $ d15NB      : num  -28.4 -56.7 -21.2 -61.3 -59.7 ...
 $ d18O       : num  -337 -291 -287 -284 -304 ...
 $ d15N       : num  -23.2 -48.9 -35.1 -46.8 -44.4 ...
 $ SP         : num  10.5 15.6 -27.8 28.9 30.5 ...
 $ [NNO]_ppm  : num  0.328 0.328 0.328 0.328 0.328 ...
 $ [NN15O]_ppm: num  0.00238 0.00233 0.00231 0.00235 0.00236 ...
 $ [N15NO]_ppm: num  0.00236 0.00229 0.00238 0.00228 0.00228 ...
 $ [NNO18]_ppm: num  0.000435 0.000466 0.000469 0.000471 0.000457 ...
 $ [H2O]_ppm  : num  33880 33817 34059 33714 33399 ...
 $ GasP_torr  : num  45.4 45.4 45.4 45.4 45.4 ...
 $ GasT_C     : num  41.3 41.3 41.3 41.3 41.3 ...
 $ AmbT_C     : num  42.2 42.2 42.2 42.2 42.2 ...
 $ LTC0_v     : num  0.0434 0.0434 0.0434 0.0434 0.0434 ...
 $ AIN6       : num  1.16 1.16 1.16 1.16 1.16 ...
 $ DetOff     : num  1.13 1.13 1.13 1.13 1.13 ...
 $ MIU_VALVE  : Factor w/ 13 levels "1","2","3","4",..: 2 2 2 2 2 2 2 2 2 2 ... 

Answer 1

我们可以使用data.table。将'data.frame'转换为'data.table'（setDT(df)），创建一个run-length id变量（'gr'），按'Factor'分组，我们match'gr'和unique 'gr' 和paste 的元素与该索引的'Factor' 一起创建新变量'Factor1'。

library(data.table)#v1.9.6+
setDT(df)[, gr := rleid(Factor)
   ][, Factor1 :=paste(Factor, match(gr, unique(gr)),sep='.') , by = Factor
     ][, gr := NULL]

df
#    Time Factor       Value Factor1
# 1:    1      1 -0.85048947     1.1
# 2:    2      1 -0.01022297     1.1
# 3:    3      1  1.03636468     1.1
# 4:    4      2  0.73873050     2.1
# 5:    5      2  0.94553427     2.1
# 6:    6      2  1.41944508     2.1
# 7:    7      3 -0.43160988     3.1
# 8:    8      3 -0.11538509     3.1
# 9:    9      3 -0.66212385     3.1
#10:   10      1 -0.97640087     1.2
#11:   11      1 -2.13485778     1.2
#12:   12      1 -0.18982403     1.2
#13:   13      2  0.47546599     2.2
#14:   14      2  0.79378768     2.2
#15:   15      2  1.04461781     2.2
#16:   16      3  0.29617799     3.2
#17:   17      3  0.17126235     3.2
#18:   18      3  0.36256006     3.2

---

或者base R 选项将使用rle 获取游程编码，在按“值”分组后按序列更改“值”，并使用“因子”列更改paste。

df$Factor1 <- paste(df$Factor, 
        inverse.rle(within.list(rle(as.character(df$Factor)), 
               values <-ave(lengths, values, FUN=seq_along))), 
                   sep='.')
df$Factor1
#[1] "1.1" "1.1" "1.1" "2.1" "2.1" "2.1" "3.1" "3.1" "3.1" "1.2" "1.2" "1.2" "2.2" "2.2" "2.2" "3.2" "3.2" "3.2"