R 基于模式实例分配唯一ID

我有一个实验的聊天日志，以这种格式导出：

df = data.frame(
   subject = c("string",1,2,3,"string", 2, 3, "string", 1,1,3,4),
   text = c(rep("blah blah blah", 12)), 
   period = c(rep("NA", 12))
  )

> head(df)
  subject           text period
  1  string blah blah blah     NA
  2       1 blah blah blah     NA
  3       2 blah blah blah     NA
  4       3 blah blah blah     NA
  5  string blah blah blah     NA
  6       2 blah blah blah     NA

其中，string是在整个列中重复的某个标识符文本

我想写一个函数，a识别subject列中的字符模式，b根据模式的每个实例为period赋值

例如，我知道我可以通过跑步来完成第一部分

> grepl("s+", df$subject, perl = T)
 [1]  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE

---

然后通过运行一个函数来实现第二部分，该函数为第一个TRUE实例指定period==1，为第二个TRUE实例指定period==2，依此类推。然而，我无法理解第二部分。有什么想法吗

我不确定您想要的输出，但假设您没有周期列，您可以使用data.table将其设置为空因子列，其值更难更改

df = data.frame(
  subject = c("string",1:3,"string", 2:3, "string", 1,1,3,4),
  text = "blah blah blah"
)

library(data.table)
setDT(df)[grep("s+", subject), period := seq_len(.N)]
df
#     subject           text period
#  1:  string blah blah blah      1
#  2:       1 blah blah blah     NA
#  3:       2 blah blah blah     NA
#  4:       3 blah blah blah     NA
#  5:  string blah blah blah      2
#  6:       2 blah blah blah     NA
#  7:       3 blah blah blah     NA
#  8:  string blah blah blah      3
#  9:       1 blah blah blah     NA
# 10:       1 blah blah blah     NA
# 11:       3 blah blah blah     NA
# 12:       4 blah blah blah     NA

这基本上是通过匹配的实例进行子集划分，然后使用.N运算符（在本例中为3）获取子集的长度，并使用：=运算符通过引用将3的序列（即1,2,3）分配给子集内的周期列

除非你只是想

cumsum(grepl("s+", df$subject))
## [1] 1 1 1 1 2 2 2 3 3 3 3 3

---

这只是对解决方案的一个修改，它基本上是将逻辑向量转换为二进制向量，真变为1，假变为0，然后执行累积和

我不确定您想要的输出，但假设您没有周期列，您可以使用data.table将其设置为空因子列，其值更难更改

df = data.frame(
  subject = c("string",1:3,"string", 2:3, "string", 1,1,3,4),
  text = "blah blah blah"
)

library(data.table)
setDT(df)[grep("s+", subject), period := seq_len(.N)]
df
#     subject           text period
#  1:  string blah blah blah      1
#  2:       1 blah blah blah     NA
#  3:       2 blah blah blah     NA
#  4:       3 blah blah blah     NA
#  5:  string blah blah blah      2
#  6:       2 blah blah blah     NA
#  7:       3 blah blah blah     NA
#  8:  string blah blah blah      3
#  9:       1 blah blah blah     NA
# 10:       1 blah blah blah     NA
# 11:       3 blah blah blah     NA
# 12:       4 blah blah blah     NA

这基本上是通过匹配的实例进行子集划分，然后使用.N运算符（在本例中为3）获取子集的长度，并使用：=运算符通过引用将3的序列（即1,2,3）分配给子集内的周期列

除非你只是想

cumsum(grepl("s+", df$subject))
## [1] 1 1 1 1 2 2 2 3 3 3 3 3

---

这只是对解决方案的一个修改，它基本上是将逻辑向量转换为二进制向量，真变为1，假变为0，然后执行累积和

您想要的输出是什么样子的？例如，cumsumgrepls+，df$主题是否有效？您希望的输出是什么样子的？例如，cumsumgrepls+，df$主题有效吗？非常感谢@大卫·阿伦伯格。这两个答案都很有效，尽管我不明白它们是如何起作用的。这个问题似乎比我想象的要简单得多。请你解释一下好吗？@invitus补充了一个解释。非常感谢@大卫·阿伦伯格。这两个答案都很有效，尽管我不明白它们是如何起作用的。这个问题似乎比我想象的要简单得多。请你解释一下好吗？@invitus补充了一个解释。