为R数据帧中的记录块创建序列号

我有一个相当大的数据集（按照我的标准），我想为记录块创建一个序列号。我可以使用plyr包，但是执行时间非常慢。下面的代码复制了一个大小相当的数据帧

## simulate an example of the size of a normal data frame
N <- 30000
id <- sample(1:17000, N, replace=T)
term <- as.character(sample(c(9:12), N, replace=T))
date <- sample(seq(as.Date("2012-08-01"), Sys.Date(), by="day"), N, replace=T)
char <- data.frame(matrix(sample(LETTERS, N*50, replace=T), N, 50))
val <- data.frame(matrix(rnorm(N*50), N, 50))
df <- data.frame(id, term, date, char, val, stringsAsFactors=F)
dim(df)

使用如下所示的data.table，相同的方法产生：

> with(test.dt, table(V1))
V1
    1 
24272 

---

使用

数据表

dt = data.table(df)
test.dt = dt[,.N,"id,term"]

这里是一个时间比较。在生成数据集时，我使用了N=3000并将17000替换为1700

f_plyr <- function(){
  test.plyr <- ddply(df, .(id, term), summarise, seqnum = 1:length(id), 
 .progress="text")
}

f_dt <- function(){
 dt = data.table(df)
 test.dt = dt[,.N,"id,term"]
}

library(rbenchmark)
benchmark(f_plyr(), f_dt(), replications = 10,
  columns = c("test", "replications", "elapsed", "relative"))

还可以查看Hadley在

dplyr

上的最新工作。如果

dplyr

提供了额外的加速，我不会感到惊讶，因为很多代码都是用C语言重新编写的

---

更新：编辑代码，根据Matt的评论将

length（id）

更改为

.N

。

谢谢。我知道哈德利正在努力，但在此期间，我需要修复。速度的提高是疯狂的。在我的机器上，当我使用（test.df，table（V1））运行时，我看到的只是一个序列号1。我知道我们在模拟数据，但有些记录在分组中应该有多个记录。问题是data.table会对列进行不同的排序。如果使用

head（plyr:：arrange（test.dt，id））

，您将看到输出与

test.plyr

相同，谢谢您的帮助。在我这方面最有可能出现用户错误，但无论我做什么，当我使用data.table解决方案时，V1的值只有1。见上文。@Btibert3是的，我认为拉姆纳特没有测试过这个。请将

长度（id）

替换为

.N

。在这一点上，此标签中有一些关于

.N

的问题。@Btibert3请将（仅）

length（id）

替换为

.N

，而不是

1:length（id）

替换为

.N

。所以，

1:.N

。或者，

序列号（.N）

。

dt = data.table(df)
test.dt = dt[,.N,"id,term"]

f_plyr <- function(){
  test.plyr <- ddply(df, .(id, term), summarise, seqnum = 1:length(id), 
 .progress="text")
}

f_dt <- function(){
 dt = data.table(df)
 test.dt = dt[,.N,"id,term"]
}

library(rbenchmark)
benchmark(f_plyr(), f_dt(), replications = 10,
  columns = c("test", "replications", "elapsed", "relative"))

test replications elapsed relative
2   f_dt()           10   0.779    1.000
1 f_plyr()           10 132.572  170.182