40

我们如何在数据帧的每一组中生成唯一的 ID 号？以下是一些按“personid”分组的数据：

personid date measurement
1         x     23
1         x     32
2         y     21
3         x     23
3         z     23
3         y     23

我希望为“personid”定义的每个子集中的每一行添加一个具有唯一值的 id 列，始终以1. 这是我想要的输出：

personid date measurement id
1         x     23         1
1         x     32         2
2         y     21         1
3         x     23         1
3         z     23         2
3         y     23         3

我很感激任何帮助。

4

6 回答 6

37

一些dplyr替代方案，使用便利功能row_number和n.

library(dplyr)
df %>% group_by(personid) %>% mutate(id = row_number())
df %>% group_by(personid) %>% mutate(id = 1:n())
df %>% group_by(personid) %>% mutate(id = seq_len(n()))
df %>% group_by(personid) %>% mutate(id = seq_along(personid))

您也可以使用getanIDfrom package splitstackshape。请注意，输入数据集以data.table.

getanID(data = df, id.vars = "personid")
#    personid date measurement .id
# 1:        1    x          23   1
# 2:        1    x          32   2
# 3:        2    y          21   1
# 4:        3    x          23   1
# 5:        3    z          23   2
# 6:        3    y          23   3
于 2015-06-02T12:33:22.813 回答
31

带有参数的误导性命名ave()函数FUN=seq_along将很好地完成此任务——即使您的personid列没有严格排序。

df <- read.table(text = "personid date measurement
1         x     23
1         x     32
2         y     21
3         x     23
3         z     23
3         y     23", header=TRUE)

## First with your data.frame
ave(df$personid, df$personid, FUN=seq_along)
# [1] 1 2 1 1 2 3

## Then with another, in which personid is *not* in order
df2 <- df[c(2:6, 1),]
ave(df2$personid, df2$personid, FUN=seq_along)
# [1] 1 1 1 2 3 2
于 2012-08-16T22:29:33.550 回答
16

使用data.table, 并假设您希望date在personid子集中排序

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

DT[,id := order(date), by  = personid]

##    personid date measurement id
## 1:        1    x          23  1
## 2:        1    x          32  2
## 3:        2    y          21  1
## 4:        3    x          23  1
## 5:        3    z          23  3
## 6:        3    y          23  2

如果您不想订购date

DT[, id := 1:.N, by = personid]

##    personid date measurement id
## 1:        1    x          23  1
## 2:        1    x          32  2
## 3:        2    y          21  1
## 4:        3    x          23  1
## 5:        3    z          23  2
## 6:        3    y          23  3

以下任何一项也可以

DT[, id := seq_along(measurement), by =  personid]
DT[, id := seq_along(date), by =  personid]

等效的命令使用plyr

library(plyr)
# ordering by date
ddply(Data, .(personid), mutate, id = order(date))
# in original order
ddply(Data, .(personid), mutate, id = seq_along(date))
ddply(Data, .(personid), mutate, id = seq_along(measurement))
于 2012-08-16T23:12:00.877 回答
7

我认为有一个固定的命令，但我不记得了。所以这是一种方法：

> test <- sample(letters[1:3],10,replace=TRUE)
> cumsum(duplicated(test))
 [1] 0 0 1 1 2 3 4 5 6 7
> cumsum(duplicated(test))+1
 [1] 1 1 2 2 3 4 5 6 7 8

这是有效的，因为duplicated返回一个逻辑向量。 cumsumevalues 数字向量，因此逻辑被强制为数字。

如果需要，您可以将结果作为新列存储到 data.frame 中：

dat$id <- cumsum(duplicated(test))+1
于 2012-08-16T22:12:28.370 回答
5

假设您的数据位于名为的 data.frame 中Data，这将起到作用：

# ensure Data is in the correct order
Data <- Data[order(Data$personid),]
# tabulate() calculates the number of each personid
# sequence() creates a n-length vector for each element in the input,
# and concatenates the result
Data$id <- sequence(tabulate(Data$personid))
于 2012-08-16T22:24:26.347 回答
3

您可以使用sqldf

df<-read.table(header=T,text="personid date measurement
1         x     23
1         x     32
2         y     21
3         x     23
3         z     23
3         y     23")

library(sqldf)
sqldf("SELECT a.*, COUNT(*) count
       FROM df a, df b 
       WHERE a.personid = b.personid AND b.ROWID <= a.ROWID 
       GROUP BY a.ROWID"
)

#  personid date measurement count
#1        1    x          23     1
#2        1    x          32     2
#3        2    y          21     1
#4        3    x          23     1
#5        3    z          23     2
#6        3    y          23     3
于 2012-08-17T03:21:40.007 回答