124

我有下面的data.frame。我想添加一个列“g”,根据列中的连续序列对我的数据进行分类h_no。也就是说,h_no 的第一个序列1, 2, 3, 4是组 1,h_no(1 到 7)的第二个序列是组 2,依此类推,如最后一列“g”所示。

h_no   h_freq    h_freqsq g
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3
4

8 回答 8

158

您可以使用各种技术将列添加到数据中。下面的引用来自相关帮助文本的“详细信息”部分,[[.data.frame.

数据帧可以以多种模式进行索引。当[[[与单个向量索引(x[i]x[[i]])一起使用时,它们对数据框进行索引,就好像它是一个列表一样。

my.dataframe["new.col"] <- a.vector
my.dataframe[["new.col"]] <- a.vector

的 data.frame 方法$,将x其视为列表

my.dataframe$new.col <- a.vector

[[[与两个索引 (x[i, j]x[[i, j]]) 一起使用时,它们的作用类似于索引矩阵

my.dataframe[ , "new.col"] <- a.vector

由于该方法data.frame假定如果您不指定是使用列还是行,它将假定您的意思是列。


对于您的示例,这应该有效:

# make some fake data
your.df <- data.frame(no = c(1:4, 1:7, 1:5), h_freq = runif(16), h_freqsq = runif(16))

# find where one appears and 
from <- which(your.df$no == 1)
to <- c((from-1)[-1], nrow(your.df)) # up to which point the sequence runs

# generate a sequence (len) and based on its length, repeat a consecutive number len times
get.seq <- mapply(from, to, 1:length(from), FUN = function(x, y, z) {
            len <- length(seq(from = x[1], to = y[1]))
            return(rep(z, times = len))
         })

# when we unlist, we get a vector
your.df$group <- unlist(get.seq)
# and append it to your original data.frame. since this is
# designating a group, it makes sense to make it a factor
your.df$group <- as.factor(your.df$group)


   no     h_freq   h_freqsq group
1   1 0.40998238 0.06463876     1
2   2 0.98086928 0.33093795     1
3   3 0.28908651 0.74077119     1
4   4 0.10476768 0.56784786     1
5   1 0.75478995 0.60479945     2
6   2 0.26974011 0.95231761     2
7   3 0.53676266 0.74370154     2
8   4 0.99784066 0.37499294     2
9   5 0.89771767 0.83467805     2
10  6 0.05363139 0.32066178     2
11  7 0.71741529 0.84572717     2
12  1 0.10654430 0.32917711     3
13  2 0.41971959 0.87155514     3
14  3 0.32432646 0.65789294     3
15  4 0.77896780 0.27599187     3
16  5 0.06100008 0.55399326     3
于 2012-04-14T07:56:20.010 回答
12

轻松:您的数据框是 A

b <- A[,1]
b <- b==1
b <- cumsum(b)

然后你得到b列。

于 2012-04-14T15:30:21.423 回答
7

如果我正确理解了这个问题,你想检测什么时候h_no不增加,然后增加class. (我将介绍我是如何解决这个问题的,最后有一个自包含的函数。)

在职的

我们现在只关心h_no列,所以我们可以从数据框中提取它:

> h_no <- data$h_no

我们想检测什么时候h_no没有上升,我们可以通过计算连续元素之间的差异何时为负或为零来做到这一点。R 提供了一个diff函数,它为我们提供了差异向量:

> d.h_no <- diff(h_no)
> d.h_no
 [1]  1  1  1 -3  1  1  1  1  1  1 -6  1  1  1

一旦我们有了它,找到那些是非积极的就很简单了:

> nonpos <- d.h_no <= 0
> nonpos
 [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[13] FALSE FALSE

在 R 中,TRUE和 与 和FALSE基本相同10所以如果我们得到 的累积和nonpos,它将在(几乎)适当的位置增加 1。该cumsum函数(基本上与 的相反diff)可以做到这一点。

> cumsum(nonpos)
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2

但是,有两个问题:数字太小;而且,我们缺少第一个元素(头等舱应该有四个)。

第一个问题就简单解决了:1+cumsum(nonpos). 第二个只需要1在向量的前面添加 a ,因为第一个元素总是在 class 中1

 > classes <- c(1, 1 + cumsum(nonpos))
 > classes
  [1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

现在,我们可以将它附加到我们的数据框中cbind(通过使用class=语法,我们可以给列class标题):

 > data_w_classes <- cbind(data, class=classes)

data_w_classes现在包含结果。

最后结果

我们可以将这些行压缩在一起并将它们全部包装成一个函数以使其更易于使用:

classify <- function(data) {
   cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}

class或者,因为to 是一个因素是有意义的:

classify <- function(data) {
   cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}

您可以使用以下任一功能:

> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column

(这种解决这个问题的方法很好,因为它避免了显式迭代,这通常推荐给 R,并且避免生成大量中间向量和列表等。而且它可以写在一行上也很整洁 :))

于 2012-04-14T08:07:00.570 回答
2

除了罗曼的回答,这样的事情可能更简单。请注意,我没有测试它,因为我现在无法访问 R。

# Note that I use a global variable here
# normally not advisable, but I liked the
# use here to make the code shorter
index <<- 0
new_column = sapply(df$h_no, function(x) {
  if(x == 1) index = index + 1
  return(index)
})

该函数迭代其中的值n_ho并始终返回当前值所属的类别。如果1检测到值,我们增加全局变量index并继续。

于 2012-04-14T08:02:23.760 回答
0

我相信使用“cbind”是在 R 中向数据框添加列的最简单方法。下面是一个示例:

    myDf = data.frame(index=seq(1,10,1), Val=seq(1,10,1))
    newCol= seq(2,20,2)
    myDf = cbind(myDf,newCol)
于 2018-10-01T09:29:53.987 回答
0

data.table功能rleid对于这样的事情很方便。我们减去序列1:nrow(data)以将连续序列转换为常数,然后用于rleid创建组 ID:

data$g = data.table::rleid(data$h_no - 1:nrow(data))
于 2021-03-28T13:25:21.237 回答
0

基于识别组数(xin mapply)及其长度(yin mapply)的方法

mytb<-read.table(text="h_no  h_freq  h_freqsq group
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3", header=T, stringsAsFactors=F)
mytb$group<-NULL

positionsof1s<-grep(1,mytb$h_no)

mytb$newgroup<-unlist(mapply(function(x,y) 
  rep(x,y),                      # repeat x number y times
  x= 1:length(positionsof1s),    # x is 1 to number of nth group = g1:g3
  y= c( diff(positionsof1s),     # y is number of repeats of groups g1 to penultimate (g2) = 4, 7
        nrow(mytb)-              # this line and the following gives number of repeat for last group (g3)
          (positionsof1s[length(positionsof1s )]-1 )  # number of rows - position of penultimate group (g2) 
      ) ) )
mytb
于 2018-12-14T18:30:52.113 回答
-1
Data.frame[,'h_new_column'] <- as.integer(Data.frame[,'h_no'], breaks=c(1, 4, 7))
于 2013-09-11T02:49:51.247 回答