r-如何将计数器分配给数据的特定子集.框架由因子组合定义

Question

我的问题是：我有一个具有某些因素变量的数据框架。我现在想为此数据框架分配一个新的向量，该数据框架为这些因素变量的每个子集创建了一个索引。

   data <-data.frame(fac1=factor(rep(1:2,5)), fac2=sample(letters[1:3],10,rep=T))

给我类似：

        fac1 fac2
     1     1    a
     2     2    c
     3     1    b
     4     2    a
     5     1    c
     6     2    b
     7     1    a
     8     2    a
     9     1    b
     10    2    c

我想要的是一个组合计数器，它计算出每个因子组合的发生。像这样

        fac1 fac2  counter
     1     1    a        1
     2     2    c        1
     3     1    b        1
     4     2    a        1
     5     1    c        1
     6     2    b        1
     7     1    a        2
     8     2    a        2
     9     1    b        2
     10    1    a        3

到目前为止，我考虑过使用tapply在所有因素组合中获取计数器，这效果很好

counter <-tapply(data$fac1, list(data$fac1,data$fac2), function(x) 1:length(x))

但我不知道如何将计数器列表（例如未列表）分配给数据框中的组合，而无需使用效率低下的循环：）

Answer 1

这是ave()函数的工作：

# Use set.seed for reproducible examples 
#   when random number generation is involved
set.seed(1) 
myDF <- data.frame(fac1 = factor(rep(1:2, 7)), 
                   fac2 = sample(letters[1:3], 14, replace = TRUE), 
                   stringsAsFactors=FALSE)
myDF$counter <- ave(myDF$fac2, myDF$fac1, myDF$fac2, FUN = seq_along)
myDF
#    fac1 fac2 counter
# 1     1    a       1
# 2     2    b       1
# 3     1    b       1
# 4     2    c       1
# 5     1    a       2
# 6     2    c       2
# 7     1    c       1
# 8     2    b       2
# 9     1    b       2
# 10    2    a       1
# 11    1    a       3
# 12    2    a       2
# 13    1    c       2
# 14    2    b       3

请注意在data.frame()步骤中使用stringsAsFactors=FALSE。如果没有，您仍然可以使用： myDF$counter <- ave(as.character(myDF$fac2), myDF$fac1, myDF$fac2, FUN = seq_along)。

Answer 2

data.table解决方案

library(data.table)
DT <- data.table(data)
DT[, counter := seq_len(.N), by = list(fac1, fac2)]

Answer 3

这是避免（显式）循环的基本r方式。

data$counter <- with(data, {
    inter <- as.character(interaction(fac1, fac2))
    names(inter) <- seq_along(inter)
    inter.ordered <- inter[order(inter)]
    counter <- with(rle(inter.ordered), unlist(sapply(lengths, sequence)))
    counter[match(names(inter), names(inter.ordered))]
})

Answer 4

在这里是一个带有一点循环的变体（我将您的变量重命名为" x"，因为否则使用"数据"）：

x <-data.frame(fac1=rep(1:2,5), fac2=sample(letters[1:3],10,rep=T))
x$fac3 <- paste( x$fac1, x$fac2, sep="" )
x$ctr <- 1
y <- table( x$fac3 )
for( i in 1 : length( rownames( y ) ) )
  x$ctr[x$fac3 == rownames(y)[i]] <- 1:length( x$ctr[x$fac3 == rownames(y)[i]] )
x <- x[-3]

不知道这在大数据上是否有效。