通过长格式的某个变量获取索引

Question

我有一些长格式的数据，

library(data.table)
dat <- data.table(id=1:12, group=rep(1:2, each=6), time=c(rep(9:8, each=3),rep(6:7, each=3)), measure=1:3)
> dat
    id group time measure
 1:  1     1    9       1
 2:  2     1    9       2
 3:  3     1    9       3
 4:  4     1    8       1
 5:  5     1    8       2
 6:  6     1    8       3
 7:  7     2    6       1
 8:  8     2    6       2
 9:  9     2    6       3
10: 10     2    7       1
11: 11     2    7       2
12: 12     2    7       3

我想创建一个新变量，在每个group 中给出time 的索引。也就是说，期望的输出是

> res
    id group time measure index
 1:  1     1    9       1     2
 2:  2     1    9       2     2
 3:  3     1    9       3     2
 4:  4     1    8       1     1
 5:  5     1    8       2     1
 6:  6     1    8       3     1
 7:  7     2    6       1     1
 8:  8     2    6       2     1
 9:  9     2    6       3     1
10: 10     2    7       1     2
11: 11     2    7       2     2
12: 12     2    7       3     2

如果每个组内每次只有一行（即没有measure 变量），我会按照以下方式做一些事情

dat[order(group,time), .(index=seq_len(.N)), by=.(group)]

但在这种情况下，我不知所措。

Answer 1

OP 与他/她的尝试非常接近。这是使用rleid 的另一个选项：

DT1[order(group, time), index := rleid(time), group]

计时码：

library(data.table)
set.seed(0L)
nr <- 1e6
ng <- nr/10
nt <- nr/2
DT <- data.table(group=sample(ng, nr, TRUE), time=sample(nt, nr, TRUE))
DT0 <- copy(DT)
DT1 <- copy(DT)

mtd0 <- function() DT0[, index := frank(time, ties.method = "dense"), group]

mtd1 <- function() DT1[order(group, time), index := rleid(time), group]

bench::mark(mtd0(), mtd1(), check=FALSE)
identical(DT1$index, DT0$index)
#[1] TRUE

时间安排：

# A tibble: 2 x 13
  expression      min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time result              memory            time    gc          
  <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm> <list>              <list>            <list>  <list>      
1 mtd0()          42s      42s    0.0238    1.57GB    0.691     1    29        42s <df[,2] [1,000,000~ <df[,3] [300,811~ <bch:t~ <tibble [1 ~
2 mtd1()        398ms    404ms    2.47     28.29MB    3.71      2     3      809ms <df[,2] [1,000,000~ <df[,3] [494 x 3~ <bch:t~ <tibble [2 ~

---

另一个比较：

mtd2 <- function() DT2[, g := .GRP, keyby=.(group, time)][, g2 := g - first(g) + 1L, by=group]

bench::mark(#mtd0(), 
    mtd1(), mtd2(), check=FALSE)

时间安排：

# A tibble: 2 x 13
  expression      min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time result               memory          time    gc           
  <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm> <list>               <list>          <list>  <list>       
1 mtd1()        370ms    372ms      2.69    24.5MB     4.03     2     3      745ms <df[,3] [1,000,000 ~ <df[,3] [101 x~ <bch:t~ <tibble [2 x~
2 mtd2()        464ms    469ms      2.13    23.7MB     1.07     2     1      937ms <df[,4] [1,000,000 ~ <df[,3] [16 x ~ <bch:t~ <tibble [2 x~

Answer 2

让我们使用 dplyr 包中的dense_rank：

dat[,index:=dplyr::dense_rank(time),group]

    id group time measure     index
 1:  1     1    9       1         2
 2:  2     1    9       2         2
 3:  3     1    9       3         2
 4:  4     1    8       1         1
 5:  5     1    8       2         1
 6:  6     1    8       3         1
 7:  7     2    6       1         1
 8:  8     2    6       2         1
 9:  9     2    6       3         1
10: 10     2    7       1         2
11: 11     2    7       2         2
12: 12     2    7       3         2

Answer 3

除了现有答案之外，另一种方法是使用 base R 中的 split() 和 order() 。因此，此方法也可用于data.frame() 作为输入数据类型，但需要将data.table() 更改为data.frame()。

以下代码与您的dat 一起作为data.table()：

dt <- Reduce(rbind,Map(function(v) data.table(v,index = with(v,cumsum(c(1,diff(sort(time))))[order(time)])),split(dat,dat$group)))

屈服：

> dt
    id group time measure index
 1:  1     1    9       1     2
 2:  2     1    9       2     2
 3:  3     1    9       3     2
 4:  4     1    8       1     1
 5:  5     1    8       2     1
 6:  6     1    8       3     1
 7:  7     2    6       1     1
 8:  8     2    6       2     1
 9:  9     2    6       3     1
10: 10     2    7       1     2
11: 11     2    7       2     2
12: 12     2    7       3     2