是否有比使用循环更快的方法来创建计数器索引?对于相等值的每个连续运行,索引应该是相同的。我发现循环非常慢,特别是当数据非常大的时候。
为了说明,下面是输入和期望的输出
x <- c(2, 3, 9, 2, 4, 4, 3, 4, 4, 5, 5, 5, 1)
期望结果计数器:
c(1, 2, 3, 4, 5, 5, 6, 7, 7, 8, 8, 8, 9)
注意,非连续运行具有不同的索引。例如,参见值2
和4
我的低效代码是这样的:
group[1]<-1
counter<-1
for (i in 2:n){
if (x[i]==x[i-1]){
group[i]<-counter
}else{
counter<-counter+1
group[1]<-counter}
}
使用data.table
,具有rleid()
:
require(data.table) # v1.9.5+
rleid(x)
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9
如果您有这样的数值,您可以使用diff
和cumsum
将值的变化加起来
x <- c(2,3,9,2,4,4,3,4,4,5,5,5,1)
cumsum(c(1,diff(x)!=0))
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9
这将适用于字符值的数值:
rep(1:length(rle(x)$values), times = rle(x)$lengths)
#[1] 1 2 3 4 5 5 6 7 7 8 8 8 9
您也可以通过调用rle
一次(大约快2倍)来提高效率,并且使用rep.int
代替rep
可以使非常稍微提高速度:
y <- rle(x)
rep.int(1:length(y$values), times = y$lengths)
以上Jota的回答可以进一步简化为,这样会更快
with(rle(x), rep(1:length(lengths), lengths))
[1] 1 2 3 4 5 5 6 7 7 8 8 8 9
对于dplyr
,您可以使用consecutive_id
:
library(dplyr) #1.1.0+
consecutive_id(x)
# [1] 1 2 3 4 5 5 6 7 7 8 8 8 9