R 对载体中的重复序列进行排序和评估

我试图创建一个变量，用于标识向量中的字符串是第一次出现，是在前三位，还是多于三位。例如：

在下面的数据集中，我有name（将会有更多的名称）、text和一个dup变量。我希望dup变量能够识别文本是否是第一次出现（原点），是否在前三次出现（前三次）内，或者是否出现超过三次（超过三次）。我也需要为每个人做这件事。。。但我想我能理解这一部分。提前感谢您的帮助

name =c("T","T","T","T","T","T","T","T","T","T")
text =c("a","b","a","a","b","c","a","a","b","a")
dup =c("origin","origin","FirstThree","FirstThree","FirstThree","origin","MoreThanThree","MoreThanThree","FirstThree","MoreThanThree")
dfA = data.frame(name,text,dup)

 name text           dup
1     T    a        origin
2     T    b        origin
3     T    a    FirstThree
4     T    a    FirstThree
5     T    b    FirstThree
6     T    c        origin
7     T    a MoreThenThree
8     T    a MoreThenThree
9     T    b    FirstThree
10    T    a MoreThenThree

---

您可以将

data.table:：rowid

与两个

ifelse

检查一起使用

dfA[, ict := {
        r <- rowid(text)
        ifelse(r == 1, 'origin', 
        ifelse(r <= 3, 'FirstThree', 
               'MoreThanThree'))}
    , by = name]

dfA
#     name text           dup           ict
#  1:    T    a        origin        origin
#  2:    T    b        origin        origin
#  3:    T    a    FirstThree    FirstThree
#  4:    T    a    FirstThree    FirstThree
#  5:    T    b    FirstThree    FirstThree
#  6:    T    c        origin        origin
#  7:    T    a MoreThanThree MoreThanThree
#  8:    T    a MoreThanThree MoreThanThree
#  9:    T    b    FirstThree    FirstThree
# 10:    T    a MoreThanThree MoreThanThree

---

在

dplyr

中，我们可以在

case>语句中比较
行数（）

library(dplyr)

dfA %>%
  group_by(text) %>%
  mutate(row = row_number(), 
         dup = case_when(row == 1 ~ "origin", 
                         row <= 3 ~ "FirstThree", 
                         TRUE ~ "MoreThenThree"))

#   name  text    row dup          
#   <fct> <fct> <int> <chr>        
# 1 T     a         1 origin       
# 2 T     b         1 origin       
# 3 T     a         2 FirstThree   
# 4 T     a         3 FirstThree   
# 5 T     b         2 FirstThree   
# 6 T     c         1 origin       
# 7 T     a         4 MoreThenThree
# 8 T     a         5 MoreThenThree
# 9 T     b         3 FirstThree   
#10 T     a         6 MoreThenThree

库（dplyr）
dfA%>%
分组依据（文本）%>%
变异（行=行编号（），
当（行==1~“原点”，
row Nice！我不知道rowid，仍然会使用
seq_len（.N）
和
by=（name，text）
来实现这个目的，或者使用
base R
和（dfA，cut（ave（seq_-along（text），text，name，FUN=seq_-along），c（0，1，3，Inf），labels=c（'origin'，'FirstThree'，'moretree'））
不知道ave的用法。我用数据得到了相同的解决方案。表：
dt[，dup\u cut:=cut（x=1.N，breaks=c（0，1，3，Inf），include.lost=t，labels=c（“origin”，“FirstThree”，“MoreThanThree”）），by=（name，text）
library(dplyr)

dfA %>%
  group_by(text) %>%
  mutate(row = row_number(), 
         dup = case_when(row == 1 ~ "origin", 
                         row <= 3 ~ "FirstThree", 
                         TRUE ~ "MoreThenThree"))

#   name  text    row dup          
#   <fct> <fct> <int> <chr>        
# 1 T     a         1 origin       
# 2 T     b         1 origin       
# 3 T     a         2 FirstThree   
# 4 T     a         3 FirstThree   
# 5 T     b         2 FirstThree   
# 6 T     c         1 origin       
# 7 T     a         4 MoreThenThree
# 8 T     a         5 MoreThenThree
# 9 T     b         3 FirstThree   
#10 T     a         6 MoreThenThree