在 dplyr 中创建新索引/重新索引

Question

我在 R 中使用 dplyr table。典型的字段是主键、标识组的 ID 号、日期字段和一些值。有一些数字我做了一些操作，在一些初步步骤中抛出了一堆数据。

为了进行下一步的分析（在 MC Stan 中），如果日期和组 ID 字段都是整数索引，会更容易。所以基本上，我需要将它们重新索引为 1 和不同元素总数之间的整数（group_id 大约 750，date_id 大约 250，group_id 已经整数，但日期不是）。将其导出到数据框后，这样做相对简单，但我很好奇在 dplyr 中是否可行。

我尝试创建一个新的 date_val（称为 date_val_new）如下。根据评论中的讨论，我有一些虚假数据。我故意使组和日期值不为 1 到任何值，但我没有将日期设为实际日期。我使数据不平衡，删除了一些值来说明问题。 dplyr 命令为每个新组从 1 处重新启动索引，无论 date_val 是什么。所以每个组都从 1 开始，即使日期不同。

df1 <- data.frame(id = 1:40,
              group_id = (10 + rep(1:10, each = 4)),
              date_val = (20 + rep(rep(1:4), 10)),
              val = runif(40))
for (i in c(5, 17, 33))
{
    df1 <- df1[!df1$id == i, ]
}

df_new <- df1 %>%
            group_by(group_id) %>%
            arrange(date_val) %>%
            mutate(date_val_new=row_number(group_id)) %>%
            ungroup()

Answer 1

这是基本的 R 方法：

df1 %>% mutate(date_val_new = match(date_val, unique(date_val)))

或者用 data.table, df1[, date_val_new := .GRP, by=date_val].

Answer 2

使用group_indices_()为每个组生成一个唯一的id:

df1 %>% mutate(date_val_new = group_indices_(., .dots = "date_val"))

更新

由于 group_indices() 无法处理 class tbl_postgres，您可以尝试 dense_rank()

copy_to(my_db, df1, name = "df1")
tbl(my_db, "df1") %>% 
  mutate(date_val_new = dense_rank(date_val))

或使用 sql()

构建自定义查询

tbl(my_db, sql("SELECT *, 
               DENSE_RANK() OVER (ORDER BY date_val) AS DATE_VAL_NEW
               FROM df1"))

Answer 3

或者，我认为您可以尝试 splitstackshape 包中的 getanID()。

library(splitstackshape)
getanID(df1, "group_id")[]

#    id group_id date_val        val .id
# 1:  1       11       21 0.01857242   1
# 2:  2       11       22 0.57124557   2
# 3:  3       11       23 0.54318903   3
# 4:  4       11       24 0.59555088   4
# 5:  6       12       22 0.63045007   1
# 6:  7       12       23 0.74571297   2
# 7:  8       12       24 0.88215668   3

在 dplyr 中创建新索引/重新索引

Create new index / re-index in dplyr

indexing

r

data-manipulation

dplyr