Последовательность кода по группе в R: повторяющиеся значения в группе - PullRequest
Новая
       32

Последовательность кода по группе в R: повторяющиеся значения в группе

3 голосов
/ 08 марта 2020

Я хотел бы закодировать числовую последовательность на основе комбинации трех столбцов: ID, год и местоположение. Я хочу перечислить годы, которые человек провел в одном месте, как последовательность. Последовательность должна начинаться заново в год изменения местоположения, поэтому даже если человек возвращается в место, где он был раньше, последовательность должна начинаться заново.

df с последовательностью должен выглядеть следующим образом: 

ID yr loc seq
1 1990 A 1
1 1991 A 2
1 1992 B 1
1 1993 B 2
1 1994 B 3
2 1990 B 1
2 1991 B 2
2 1992 A 1
2 1993 B 1
2 1994 B 2
3 1990 C 1
3 1991 C 2
3 1992 C 3
3 1993 B 1
3 1994 C 1

У вас есть идея, как закодировать это в R?

Ответы [ 3 ]

4 голосов
/ 08 марта 2020

В data.table у нас есть функция rleid, которая упрощает здесь. 

library(data.table)

setDT(df)[, seq1 := seq_len(.N), .(ID, rleid(loc))]

df
#    ID   yr loc seq seq1
# 1:  1 1990   A   1    1
# 2:  1 1991   A   2    2
# 3:  1 1992   B   1    1
# 4:  1 1993   B   2    2
# 5:  1 1994   B   3    3
# 6:  2 1990   B   1    1
# 7:  2 1991   B   2    2
# 8:  2 1992   A   1    1
# 9:  2 1993   B   1    1
#10:  2 1994   B   2    2
#11:  3 1990   C   1    1
#12:  3 1991   C   2    2
#13:  3 1992   C   3    3
#14:  3 1993   B   1    1
#15:  3 1994   C   1    1

Мы можем использовать rleid in dplyr и подходы base R, чтобы получить ожидаемый результат. 

library(dplyr)
df %>%
 group_by(ID, grp = data.table::rleid(loc)) %>%
  mutate(seq1 = row_number())

Или в базе R: 

df$seq1 <- with(df, ave(yr, ID, data.table::rleid(loc), FUN = seq_along))

Краткий вариант, предложенный @ chinsoon12, заключается в использовании функции rowid. 

setDT(df)[, seq2 := rowid(ID, rleid(loc))]

данные 

df <- structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L), yr = c(1990L, 1991L, 1992L, 1993L, 1994L, 
1990L, 1991L, 1992L, 1993L, 1994L, 1990L, 1991L, 1992L, 1993L, 
1994L), loc = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 
2L, 3L, 3L, 3L, 2L, 3L), .Label = c("A", "B", "C"), class = "factor"), 
seq = c(1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 3L, 
1L, 1L)), class = "data.frame", row.names = c(NA, -15L))
1 голос
/ 08 марта 2020

В base R мы можем использовать rle с ave

df$seq <- with(df, ave(yr, ID, with(rle(as.character(loc)), 
        rep(seq_along(values), lengths)), FUN = seq_along))
df$seq
#[1] 1 2 1 2 3 1 2 1 1 2 1 2 3 1

data 

df <- structure(list(ID = c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 
3L, 3L, 3L, 3L, 3L), yr = c(1990L, 1991L, 1992L, 1993L, 1994L, 
1990L, 1991L, 1992L, 1993L, 1994L, 1990L, 1991L, 1992L, 1993L, 
1994L), loc = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 2L, 
2L, 3L, 3L, 3L, 2L, 3L), .Label = c("A", "B", "C"), class = "factor"), 
seq = c(1L, 2L, 1L, 2L, 3L, 1L, 2L, 1L, 1L, 2L, 1L, 2L, 3L, 
1L, 1L)), class = "data.frame", row.names = c(NA, -15L))
0 голосов
/ 08 марта 2020

Способ с dplyr: 

library(dplyr)

df %>% 
  group_by(ID, idx = cumsum(+(loc != lag(loc, default = first(loc))))) %>%
  mutate(seq = row_number()) %>%
  ungroup() %>% select(-idx)

Выход: 

# A tibble: 15 x 4
      ID    yr loc     seq
   <int> <int> <fct> <int>
 1     1  1990 A         1
 2     1  1991 A         2
 3     1  1992 B         1
 4     1  1993 B         2
 5     1  1994 B         3
 6     2  1990 B         1
 7     2  1991 B         2
 8     2  1992 A         1
 9     2  1993 B         1
10     2  1994 B         2
11     3  1990 C         1
12     3  1991 C         2
13     3  1992 C         3
14     3  1993 B         1
15     3  1994 C         1
...