r - 因子级别内的记录数

Question

我正在尝试使用从 1 到 n 的连续数字填充表中的字段（或完全创建一个单独的向量，以更容易者为准），其中 n 是共享相同因子级别的记录总数，然后返回 1对于下一个级别等。也就是说，对于这样的表

data<-matrix(c(rep('A',4),rep('B',3),rep('C',4),rep('D',2)),ncol=1)

结果应该是一个新列（例如“样本”），如下所示：

sample<-c(1,2,3,4,1,2,3,1,2,3,4,1,2)

Answer 1

您可以将rle函数与lapply：

sample <- unlist(lapply(rle(data[,1])$lengths,FUN=function(x){1:x}))

data <- cbind(data,sample)

或者更好的是，您可以结合rle并sequence在以下单行中（感谢@Arun 建议）

data <- cbind(data,sequence(rle(data[,1])$lengths))

> data
      [,1] [,2]
 [1,] "A"  "1" 
 [2,] "A"  "2" 
 [3,] "A"  "3" 
 [4,] "A"  "4" 
 [5,] "B"  "1" 
 [6,] "B"  "2" 
 [7,] "B"  "3" 
 [8,] "C"  "1" 
 [9,] "C"  "2" 
[10,] "C"  "3" 
[11,] "C"  "4" 
[12,] "D"  "1" 
[13,] "D"  "2" 

Answer 2

您可以使用以下方法获取它ave：

data <- data.frame(data)
new <- ave(rep(1,nrow(data)),data$data,FUN=cumsum)
all.equal(new,sample) # check if it's right.

Answer 3

有很多不同的方法可以实现这一点，但我更喜欢使用ddply()fromplyr因为逻辑对我来说似乎非常一致。我认为使用 a 更有意义data.frame（你的标题谈到了一个因素的水平）：

dat <- data.frame(ID = c(rep('A',4),rep('B',3),rep('C',4),rep('D',2)))
library(plyr)
ddply(dat, .(ID), summarise, sample = 1:length(ID))
#    ID sample
# 1   A      1
# 2   A      2
# 3   A      3
# 4   A      4
# 5   B      1
# 6   B      2
# 7   B      3
# 8   C      1
# 9   C      2
# 10  C      3
# 11  C      4
# 12  D      1
# 13  D      2

Answer 4

我的答案：

sample <- unlist(lapply(levels(factor(data)), function(x)seq_len(sum(factor(data)==x))))

Answer 5

    factors <- unique(data)
    f1 <- length(which(data == factors[1]))
    ...
    fn <- length(which(data == factors[length(factors)]))

您可以使用 for 循环或“应用”系列来加快该部分的速度。

然后，

    sample <- c(1:f1, 1:f2, ..., 1:fn)

再一次，您可以对该部分使用 for 循环。这是您可以使用的完整脚本：

    data<-matrix(c(rep('A',4),rep('B',3),rep('C',4),rep('D',2)),ncol=1)

    factors <- unique(data)
    f <- c()

    for(i in 1:length(factors)) {
      f[i] <- length(which(data == factors[i]))
    }

    sample <- c()

   for(i in 1:length(f)) {
      sample <- c(sample, 1:f[i])
    }

    > sample
     [1] 1 2 3 4 1 2 3 1 2 3 4 1 2