R：分组变量第一次出现的唯一计数

Question

我想通过分组变量 "ID" 创建一个新变量 "Count"，它是因子 "Period" 的唯一值的计数。以下数据包括一列，其中包含我想要的值 "Count":

structure(list(ID = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L
), .Label = c("a", "b"), class = "factor"), Period = c(1.1, 1.1, 
1.2, 1.3, 1.2, 1.3, 1.5, 1.5), Count = c(1L, 1L, 2L, 3L, 1L, 
2L, 3L, 3L)), .Names = c("ID", "Period", "Count"), class = "data.frame", row.names = c(NA, 
-8L))

我尝试将 mutate 与 Count = 1:length(Period) 一起使用，但它创建了 "Period" 的每个值的累积计数，而我只想要唯一值的累积计数。这是我试过的：

library(plyr)
samp1<-ddply(samp, .(ID, Period), mutate, Count = 1:length(Period))

谁能提供正确的函数来使用？

Answer 1

samp <- structure(list(ID = structure(c(1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L
), .Label = c("a", "b"), class = "factor"), Period = c(1.1, 1.1, 
1.2, 1.3, 1.2, 1.3, 1.5, 1.5), Count = c(1L, 1L, 2L, 3L, 1L, 
2L, 3L, 3L)), .Names = c("ID", "Period", "Count"), class = "data.frame", row.names = c(NA, 
-8L))

select(samp, -Count) %>%
  arrange(ID, Period) %>%
  group_by(ID) %>%
  mutate(dup = !duplicated(Period),
         Count = cumsum(dup))

关键步骤是按ID和Period排列，然后将Period的第一个新表示识别为"not duplicated"。

Answer 2

编辑-新答案

现在仔细想想，如果每个组的元素没有组合在一起，我最初的方法将不会 return 正确结果，例如

v <- c(1, 3, 2, 2, 1, 2)

我的函数会将不连续的 1 和 2 放在不同的组中

myrleid(v)
## [1] 1 2 3 3 4 5

因此，最好的方法似乎是

match(v, unique(v))
## [1] 1 2 3 3 1 3

将保留外观顺序和将未排序的值保留在同一组。

因此，我建议只做

library(data.table)
setDT(df)[, Count2 := match(Period, unique(Period)), by = ID]

或（带基数 R）

with(df, ave(Period, ID, FUN = function(x) match(x, unique(x))))

旧答案

看起来很适合 GHdata.table devel 版本的 rleid 函数

### Devel version installation instructions
# library(devtools)
# install_github("Rdatatable/data.table", build_vignettes = FALSE)

library(data.table) # v 1.9.5+
setDT(df)[, Count2 := rleid(Period), by = ID]
df
#    ID Period Count Count2
# 1:  a    1.1     1      1
# 2:  a    1.1     1      1
# 3:  a    1.2     2      2
# 4:  a    1.3     3      3
# 5:  b    1.2     1      1
# 6:  b    1.3     2      2
# 7:  b    1.5     3      3
# 8:  b    1.5     3      3

或者，如果你不想加载外部包，我们可以自己定义这个函数

myrleid <- function(x) {
  temp <- rle(x)$lengths 
  rep.int(seq_along(temp), temp)
}

with(df, ave(Period, ID, FUN = myrleid))
## [1] 1 1 2 3 1 2 3 3

或者，如果这些组是按升序排列的，您也可以尝试对它们进行排名

library(data.table) ## V1.9.5+
setDT(df)[, Count2 := frank(Period, ties.method = "dense"), by = ID]

或

library(dplyr)
df %>% 
   group_by(ID) %>% 
   mutate(Count2 = dense_rank(Period))

Answer 3

基于 R 的解决方案 transform:

transform(df, Count2 =  unlist(
                               tapply(df$Period, df$ID, function(x)       
                                       as.numeric(factor(x))) 
                              ))

   ID Period Count Count2
a1  a    1.1     1      1
a2  a    1.1     1      1
a3  a    1.2     2      2
a4  a    1.3     3      3
b1  b    1.2     1      1
b2  b    1.3     2      2
b3  b    1.5     3      3
b4  b    1.5     3      3

正如 David 所建议的那样，如果数据 Period 不是单调递增，则此解决方案效果不佳。

R：分组变量第一次出现的唯一计数

R: Unique count by first occurrence of grouping variable

r

plyr