按顺序出现对变量进行分组
Grouping variables by their sequential occurence
假设我有一个数据集：
RNGkind('Mersenne-Twister')
set.seed(24)
y = sample(c('a', 'b'),
10, replace = T)
my.dataframe1 <- data.frame(y)
my.dataframe1
y
1 a
2 a
3 b
4 b
5 b
6 b
7 a
8 b
9 b
10 a
我想创建另一个变量 (z)，它根据 y 中的值出现的集群为它们分配一个分组值。在这种情况下，'cluster' 会有多个 a 和 b 出现一次，具体取决于 a 还是 b 先出现。
例如，值 1 将分配给出现 a 和 b 的行簇（行 1:6），值 2 将分配给第二组行（行 7:9）。
数据框看起来像这样：
y z
1 a 1
2 a 1
3 b 1
4 b 1
5 b 1
6 b 1
7 a 2
8 b 2
9 b 2
10 a 1
它需要工作以便识别变化是 a 还是 b 首先出现在序列中，例如：
set.seed(42)
y = sample(c('a', 'b'),
10, replace = T)
my.dataframe2 <- data.frame(y)
my.dataframe2
y
1 b
2 b
3 a
4 b
5 b
6 b
7 b
8 a
9 b
10 b
这样我们仍然会得到相同的结果：
y z
1 b 1
2 b 1
3 a 1
4 b 2
5 b 2
6 b 2
7 b 2
8 a 2
9 b 3
10 b 3
除了使用 c() 手动执行之外，我不知道如何使其自动化，尤其是对于超过 1000 行的数据集。
我们可以使用rle比较y列中的第一个值，然后使用cumsum和rep生成序列。
my.dataframe1$z <- with(rle(my.dataframe1$y == my.dataframe1$y[1L]),
rep(cumsum(values), lengths))
my.dataframe1
# y z
#1 a 1
#2 a 1
#3 b 1
#4 b 1
#5 b 1
#6 b 1
#7 a 2
#8 b 2
#9 b 2
#10 a 3
数据
my.dataframe1 <- structure(list(y = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L,
2L, 1L), .Label = c("a", "b"), class = "factor")), class = "data.frame",
row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"))
我们可以使用 inverse.rle 和 rle
my.dataframe1$z <- with(my.dataframe1, inverse.rle(within.list(rle(!is.na(match(y, y[1]))),
values <- cumsum(values))))
my.dataframe1$z
#[1] 1 1 1 1 1 1 2 2 2 3
数据
my.dataframe1 <- structure(list(y = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L,
2L, 1L), .Label = c("a", "b"), class = "factor")), class = "data.frame",
row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"))
假设我有一个数据集：
RNGkind('Mersenne-Twister')
set.seed(24)
y = sample(c('a', 'b'),
10, replace = T)
my.dataframe1 <- data.frame(y)
my.dataframe1
y
1 a
2 a
3 b
4 b
5 b
6 b
7 a
8 b
9 b
10 a
我想创建另一个变量 (z)，它根据 y 中的值出现的集群为它们分配一个分组值。在这种情况下，'cluster' 会有多个 a 和 b 出现一次，具体取决于 a 还是 b 先出现。
例如，值 1 将分配给出现 a 和 b 的行簇（行 1:6），值 2 将分配给第二组行（行 7:9）。
数据框看起来像这样：
y z
1 a 1
2 a 1
3 b 1
4 b 1
5 b 1
6 b 1
7 a 2
8 b 2
9 b 2
10 a 1
它需要工作以便识别变化是 a 还是 b 首先出现在序列中，例如：
set.seed(42)
y = sample(c('a', 'b'),
10, replace = T)
my.dataframe2 <- data.frame(y)
my.dataframe2
y
1 b
2 b
3 a
4 b
5 b
6 b
7 b
8 a
9 b
10 b
这样我们仍然会得到相同的结果：
y z
1 b 1
2 b 1
3 a 1
4 b 2
5 b 2
6 b 2
7 b 2
8 a 2
9 b 3
10 b 3
除了使用 c() 手动执行之外，我不知道如何使其自动化，尤其是对于超过 1000 行的数据集。
我们可以使用rle比较y列中的第一个值，然后使用cumsum和rep生成序列。
my.dataframe1$z <- with(rle(my.dataframe1$y == my.dataframe1$y[1L]),
rep(cumsum(values), lengths))
my.dataframe1
# y z
#1 a 1
#2 a 1
#3 b 1
#4 b 1
#5 b 1
#6 b 1
#7 a 2
#8 b 2
#9 b 2
#10 a 3
数据
my.dataframe1 <- structure(list(y = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L,
2L, 1L), .Label = c("a", "b"), class = "factor")), class = "data.frame",
row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"))
我们可以使用 inverse.rle 和 rle
my.dataframe1$z <- with(my.dataframe1, inverse.rle(within.list(rle(!is.na(match(y, y[1]))),
values <- cumsum(values))))
my.dataframe1$z
#[1] 1 1 1 1 1 1 2 2 2 3
数据
my.dataframe1 <- structure(list(y = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L,
2L, 1L), .Label = c("a", "b"), class = "factor")), class = "data.frame",
row.names = c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10"))