分组后R中的秩函数

如何使用R创建列组列？下面是一个示例
这就是我所拥有的：

Date       group
12/5/2020    A
12/5/2020    A
11/7/2020    A
11/7/2020    A
11/9/2020    B
11/9/2020    B
10/8/2020    B

这就是我想要的：

Date       group   rank
12/5/2020    A      2
12/5/2020    A      2
11/7/2020    A      1
11/7/2020    A      1
11/9/2020    B      2
11/9/2020    B      2
10/8/2020    B      1

三角帆 （我在这里使用的是

dplyr

，因为我认为很容易看到正在执行的步骤。）

第一种方法可能是利用R的

factor

函数，该函数为每个不同的值分配一个整数，因此对该

factor

的操作更快（与字符串相比）。也就是说，它获取一个字符串向量（可能是loooong），并将其转换为一个与之相同长的整数向量（更小更快）和一个非常短的字符串向量，其中整数是字符串小向量的索引。这个小向量称为因子的“水平”

库（dplyr）
分组依据（日期，分组）%>%
变异（秩=as.integer（因子（日期）））%>%
解组（）
##tibble:7 x 3
#日期组等级
#         
#1 2020年12月5日A 2
#2020年12月5日A 2
#3 2020年11月7日A 1
#4 2020年11月7日A 1
#5 2020年11月9日B 2
#6 2020年11月9日B 2
#7 2020年10月8日B 1

这一“分类”有效，但存在两个问题：

这取决于

Date

列的词典排序，对于该列，此数据样本是可接受的，但这将失败。更好的方法是转换为更适合排序的对象，例如

Date

对象

失败排序：

排序（c（“2020年9月12日”、“2020年9月11日”、“2020年9月2日”）） # [1] "11/9/2020" "12/9/2020" "2/9/2020"

dat%>%
变异（日期=as.Date（日期，格式=“%m/%d/%Y”））%>%
分组依据（分组）%>%
变异（秩=as.integer（因子（日期）））%>%
解组（）
##tibble:7 x 3
#日期组等级
#         
#1 2020-12-05 A 2
#2 2020-12-05 A 2
#3 2020-11-07 A 1
#4 2020-11-07 A 1
#5 2020-11-09 B 2
#6 2020-11-09 B 2
#7 2020-10-08 B 1

及

确实有更好的排名功能，例如

dplyr:：densite_rank

（这是@akrun首先给出的答案…老实说，我一直在构建）：

dat%>%
变异（日期=as.Date（日期，格式=“%m/%d/%Y”））%>%
分组依据（分组）%>%
变异（等级=密集等级（日期））%>%
解组（）
##tibble:7 x 3
#日期组等级
#         
#1 2020-12-05 A 2
#2 2020-12-05 A 2
#3 2020-11-07 A 1
#4 2020-11-07 A 1
#5 2020-11-09 B 2
#6 2020-11-09 B 2
#7 2020-10-08 B 1

在将“日期”转换为

Date

类后，我们可以使用

densite\u-rank

library(dplyr)
library(lubridate)
df1 %>% 
      group_by(group) %>% 
      mutate(rank = dense_rank(mdy(Date)))
# A tibble: 7 x 3
# Groups:   group [2]
#  Date      group  rank
#  <chr>     <chr> <int>
#1 12/5/2020 A         2
#2 12/5/2020 A         2
#3 11/7/2020 A         1
#4 11/7/2020 A         1
#5 11/9/2020 B         2
#6 11/9/2020 B         2
#7 10/8/2020 B         1

库（dplyr）
图书馆（lubridate）
df1%>%
分组依据（分组）%>%
突变（秩=密集秩（mdy（日期）））
#一个tibble:7x3
#分组：分组[2]
#日期组等级
#        
#1 2020年12月5日A 2
#2020年12月5日A 2
#3 2020年11月7日A 1
#4 2020年11月7日A 1
#5 2020年11月9日B 2
#6 2020年11月9日B 2
#7 2020年10月8日B 1

数据

---

df1将
日期
列转换为实际日期对象，
按
日期
排列
数据，并使用
匹配
和
唯一
获得
排名
列

library(dplyr)

df %>%
  mutate(Date = lubridate::mdy(Date)) %>%
  arrange(group, Date) %>%
  group_by(group) %>%
  mutate(rank = match(Date, unique(Date)))

#  Date       group  rank
#  <date>     <chr> <int>
#1 2020-11-07 A         1
#2 2020-11-07 A         1
#3 2020-12-05 A         2
#4 2020-12-05 A         2
#5 2020-10-08 B         1
#6 2020-11-09 B         2
#7 2020-11-09 B         2

库（dplyr）
df%>%
突变（日期=润滑：：mdy（日期））%>%
安排（组、日期）%>%
分组依据（分组）%>%
变异（等级=匹配（日期，唯一（日期）））
#日期组等级
#        
#1 2020-11-07 A 1
#2 2020-11-07 A 1
#3 2020-12-05 A 2
#4 2020-12-05 A 2
#5 2020-10-08 B 1
#6 2020-11-09 B 2
#7 2020-11-09 B 2

数据

df <- structure(list(Date = c("12/5/2020", "12/5/2020", "11/7/2020", 
"11/7/2020", "11/9/2020", "11/9/2020", "10/8/2020"), group = c("A", 
"A", "A", "A", "B", "B", "B")), class = "data.frame", row.names = c(NA, -7L))

df-Hi-Yusha。欢迎来到堆栈溢出。你能告诉我们为什么队伍是这样排列的吗？你的例子不太清楚。我的失败是没有先写最后的答案*耸耸肩*
df <- structure(list(Date = c("12/5/2020", "12/5/2020", "11/7/2020", 
"11/7/2020", "11/9/2020", "11/9/2020", "10/8/2020"), group = c("A", 
"A", "A", "A", "B", "B", "B")), class = "data.frame", row.names = c(NA, -7L))