Нумерация строк внутри групп во фрейме данных

Работа с фреймом данных подобна этому:

set.seed(100)  
df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))             
df <- df[order(df$cat, df$val), ]  
df  

   cat        val  
1  aaa 0.05638315  
2  aaa 0.25767250  
3  aaa 0.30776611  
4  aaa 0.46854928  
5  aaa 0.55232243  
6  bbb 0.17026205  
7  bbb 0.37032054  
8  bbb 0.48377074  
9  bbb 0.54655860  
10 bbb 0.81240262  
11 ccc 0.28035384  
12 ccc 0.39848790  
13 ccc 0.62499648  
14 ccc 0.76255108  
15 ccc 0.88216552

Я пытаюсь добавить столбец с нумерацией внутри каждой группы. Очевидно, что при этом не используются возможности R:

 df$num <- 1  
 for (i in 2:(length(df[,1]))) {  
   if (df[i,"cat"]==df[(i-1),"cat"]) {  
     df[i,"num"]<-df[i-1,"num"]+1  
     }  
 }  
 df  

   cat        val num  
1  aaa 0.05638315   1  
2  aaa 0.25767250   2  
3  aaa 0.30776611   3  
4  aaa 0.46854928   4  
5  aaa 0.55232243   5  
6  bbb 0.17026205   1  
7  bbb 0.37032054   2  
8  bbb 0.48377074   3  
9  bbb 0.54655860   4  
10 bbb 0.81240262   5  
11 ccc 0.28035384   1  
12 ccc 0.39848790   2  
13 ccc 0.62499648   3  
14 ccc 0.76255108   4  
15 ccc 0.88216552   5

Что было бы хорошим способом сделать это?


r dataframe r-faq
person eli-k    schedule 16.10.2012    source источник
comment
Я бы предложил добавить что-то вроде seq по уровням или подсчета реплик в заголовке вопроса, так как именно так я нашел этот вопрос, и это именно то, что я искал   -  person crazysantaclaus    schedule 17.12.2019
comment
@crazysantaclaus Если бы это было название, я бы не нашел то, что искал :-( Я буквально искал, как пронумеровать строки внутри групп во фрейме данных   -  person Zimano    schedule 30.01.2020

Ответы (9)


arrow_upward
318
arrow_downward

Используйте ave, ddply, dplyr или data.table:

df$num <- ave(df$val, df$cat, FUN = seq_along)

or:

library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))

or:

library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())

или (самый эффективный с точки зрения памяти, поскольку он назначается по ссылке в DT):

library(data.table)
DT <- data.table(df)

DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
person mnel    schedule 16.10.2012
comment
Возможно, стоит упомянуть, что ave дает здесь float вместо int. В качестве альтернативы можно было изменить df$val на seq_len(nrow(df)). Я только что столкнулся с этим здесь: stackoverflow.com/questions/42796857/ - person Frank; 15.03.2017
comment
Интересно, что это data.table решение кажется быстрее, чем использование frank: library(microbenchmark); microbenchmark(a = DT[, .(val ,num = frank(val)), by = list(cat)] ,b =DT[, .(val , id = seq_len(.N)), by = list(cat)] , times = 1000L) - person hannes101; 28.07.2017
comment
Спасибо! dplyr решение хорошее. Но если, как и я, вы продолжали получать странные ошибки при использовании этого подхода, убедитесь, что у вас не возникают конфликты между plyr и dplyr, как описано в в этом сообщении Этого можно избежать, явно вызвав dplyr::mutate(...) - person EcologyTom; 10.04.2018
comment
другой data.table метод - setDT(df)[, id:=rleid(val), by=.(cat)] - person chinsoon12; 23.05.2018
comment
Как изменить ответы library(plyr) и library(dplyr), чтобы столбец рейтинга val располагался в порядке убывания? - person Przemyslaw Remin; 24.07.2018
comment
Я попытался использовать метод plyr и получил сообщение об ошибке: Ошибка в unique.default (x): unique () применяется только к векторам - кто-нибудь когда-нибудь видел, чтобы это происходило? - person James S.; 17.09.2018
comment
@PrzemyslawRemin Вы можете просто отсортировать весь набор данных заранее. df <- df[order(df$val),] - person Markus Graf; 01.10.2018
comment
data.table был наиболее эффективным способом, на вычисление около 17000 строк не ушло ни секунды. Используя ddply, он работал вечно, поэтому мне пришлось убить процесс R. - person Markus Graf; 01.10.2018
comment
Как я могу это сделать, если у меня есть NA для переменной val, и я не хочу учитывать эти строки при создании переменной num, хотя я хочу, чтобы они отображались в моем фрейме данных с NA в столбце num? - person Dekike; 15.09.2020

arrow_upward
29
arrow_downward

Для создания вопроса r-faq более полная, базовая альтернатива R с sequence и rle:

df$num <- sequence(rle(df$cat)$lengths)

что дает желаемый результат:

> df
   cat        val num
4  aaa 0.05638315   1
2  aaa 0.25767250   2
1  aaa 0.30776611   3
5  aaa 0.46854928   4
3  aaa 0.55232243   5
10 bbb 0.17026205   1
8  bbb 0.37032054   2
6  bbb 0.48377074   3
9  bbb 0.54655860   4
7  bbb 0.81240262   5
13 ccc 0.28035384   1
14 ccc 0.39848790   2
11 ccc 0.62499648   3
15 ccc 0.76255108   4
12 ccc 0.88216552   5

Если df$cat - факторная переменная, вам нужно сначала обернуть ее в as.character:

df$num <- sequence(rle(as.character(df$cat))$lengths)
person Jaap    schedule 06.10.2017
comment
Только что заметили, это решение требует сортировки cat столбца? - person zx8754; 26.04.2019
comment
@ zx8754 да, если вы не хотите пронумеровать последовательными повторениями cat - person Jaap; 26.04.2019

arrow_upward
12
arrow_downward

Вот небольшой прием, позволяющий сортировать val внутри групп:

# 1. Data set
set.seed(100)
df <- data.frame(
  cat = c(rep("aaa", 5), rep("ccc", 5), rep("bbb", 5)), 
  val = runif(15))             

# 2. 'dplyr' approach
df %>% 
  arrange(cat, val) %>% 
  group_by(cat) %>% 
  mutate(id = row_number())
person Andrii    schedule 22.09.2018
comment
Разве нельзя отсортировать по group_by? - person zcoleman; 09.01.2019

arrow_upward
9
arrow_downward

Вот вариант, использующий цикл for по группам, а не по строкам (как это сделал OP)

for (i in unique(df$cat)) df$num[df$cat == i] <- seq_len(sum(df$cat == i))
person alittleboy    schedule 16.10.2012

arrow_upward
9
arrow_downward

Другая dplyr возможность может быть:

df %>%
 group_by(cat) %>%
 mutate(num = 1:n())

   cat      val   num
   <fct>  <dbl> <int>
 1 aaa   0.0564     1
 2 aaa   0.258      2
 3 aaa   0.308      3
 4 aaa   0.469      4
 5 aaa   0.552      5
 6 bbb   0.170      1
 7 bbb   0.370      2
 8 bbb   0.484      3
 9 bbb   0.547      4
10 bbb   0.812      5
11 ccc   0.280      1
12 ccc   0.398      2
13 ccc   0.625      3
14 ccc   0.763      4
15 ccc   0.882      5
person tmfmnk    schedule 28.06.2019
comment
В некоторых случаях вместо 1:n() использование seq_len(n()) более безопасно, в том случае, если в вашей последовательности операций у вас есть ситуация, когда n() может возвращать 0, потому что 1:0 дает вам вектор длины два, а seq_len(0) дает вектор длины нулевого, таким образом избегая длины ошибка несоответствия с mutate(). - person Brian Stamper; 11.07.2019

arrow_upward
8
arrow_downward

Я хотел бы добавить вариант data.table с использованием функции rank(), которая предоставляет дополнительную возможность изменить порядок и, таким образом, делает его немного более гибким, чем решение seq_len(), и очень похоже на функции row_number в СУБД.

# Variant with ascending ordering
library(data.table)
dt <- data.table(df)
dt[, .( val
   , num = rank(val))
    , by = list(cat)][order(cat, num),]

    cat        val num
 1: aaa 0.05638315   1
 2: aaa 0.25767250   2
 3: aaa 0.30776611   3
 4: aaa 0.46854928   4
 5: aaa 0.55232243   5
 6: bbb 0.17026205   1
 7: bbb 0.37032054   2
 8: bbb 0.48377074   3
 9: bbb 0.54655860   4
10: bbb 0.81240262   5
11: ccc 0.28035384   1
12: ccc 0.39848790   2
13: ccc 0.62499648   3
14: ccc 0.76255108   4

# Variant with descending ordering
dt[, .( val
   , num = rank(desc(val)))
    , by = list(cat)][order(cat, num),]

Отредактируйте 2021-04-16, чтобы сделать переключение между нисходящим и восходящим порядком более надежным.

person hannes101    schedule 18.06.2018

arrow_upward
2
arrow_downward

Использование функции rowid() в data.table:

> set.seed(100)  
> df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))
> df <- df[order(df$cat, df$val), ]  
> df$num <- data.table::rowid(df$cat)
> df
   cat        val num
4  aaa 0.05638315   1
2  aaa 0.25767250   2
1  aaa 0.30776611   3
5  aaa 0.46854928   4
3  aaa 0.55232243   5
10 bbb 0.17026205   1
8  bbb 0.37032054   2
6  bbb 0.48377074   3
9  bbb 0.54655860   4
7  bbb 0.81240262   5
13 ccc 0.28035384   1
14 ccc 0.39848790   2
11 ccc 0.62499648   3
15 ccc 0.76255108   4
12 ccc 0.88216552   5
person AKRosenblad    schedule 10.01.2020
comment
Спасибо за ваш ответ, но, похоже, он уже рассмотрен в последнем предложении в ответе @mnel - person eli-k; 10.01.2020

arrow_upward
1
arrow_downward

Другое базовое решение R - это split фрейм данных на cat, после чего с помощью lapply: добавить столбец с номером 1:nrow(x). Последний шаг - вернуть окончательный фрейм данных с помощью do.call, то есть:

        df_split <- split(df, df$cat)
        df_lapply <- lapply(df_split, function(x) {
          x$num <- seq_len(nrow(x))
          return(x)
        })
        df <- do.call(rbind, df_lapply)
person Pittoro    schedule 27.10.2020

arrow_upward
1
arrow_downward

Очень простые, аккуратные решения.

Номер строки для всего data.frame

library(tidyverse)

iris %>%
  mutate(row_num = seq_along(Sepal.Length)) %>%
  head

    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species row_num
1            5.1         3.5          1.4         0.2     setosa       1
2            4.9         3.0          1.4         0.2     setosa       2
3            4.7         3.2          1.3         0.2     setosa       3
..           ...         ...          ...         ...     ......     ...
148          6.5         3.0          5.2         2.0  virginica     148
149          6.2         3.4          5.4         2.3  virginica     149
150          5.9         3.0          5.1         1.8  virginica     150

Номер строки по группе в data.frame

iris %>% 
  group_by(Species) %>% 
  mutate(num_in_group=seq_along(Species)) %>% 
  as.data.frame


    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species num_in_group
1            5.1         3.5          1.4         0.2     setosa            1
2            4.9         3.0          1.4         0.2     setosa            2
3            4.7         3.2          1.3         0.2     setosa            3
..           ...         ...          ...         ...     ......           ..
48           4.6         3.2          1.4         0.2     setosa           48
49           5.3         3.7          1.5         0.2     setosa           49
50           5.0         3.3          1.4         0.2     setosa           50
51           7.0         3.2          4.7         1.4 versicolor            1
52           6.4         3.2          4.5         1.5 versicolor            2
53           6.9         3.1          4.9         1.5 versicolor            3
..           ...         ...          ...         ...     ......           ..
98           6.2         2.9          4.3         1.3 versicolor           48
99           5.1         2.5          3.0         1.1 versicolor           49
100          5.7         2.8          4.1         1.3 versicolor           50
101          6.3         3.3          6.0         2.5  virginica            1
102          5.8         2.7          5.1         1.9  virginica            2
103          7.1         3.0          5.9         2.1  virginica            3
..           ...         ...          ...         ...     ......           ..
148          6.5         3.0          5.2         2.0  virginica           48
149          6.2         3.4          5.4         2.3  virginica           49
150          5.9         3.0          5.1         1.8  virginica           50
person stevec    schedule 04.05.2021