R 如何基于组而不是在组内创建重复索引

我有一个索引，编号为5、10、15、17。这个索引是从一个大型csv文件生成的，对应于该文件中这些短语的顺序。最后，我想将这些短语映射回我的循环生成的新列

每个索引都与一个短语相关联。我的代码将短语分开，并根据短语中的单词创建列。我需要在我的数据框中创建另一列，该列的索引号对应于每个短语

For example: 
    column 1          column 2            index
    phrase A            book                5
    phrase A            tree                5
    phrase B            tree                10

如何在循环中实现此结果，并确保索引随着第1列中的每个新输入而变化。

您可以在tidyverse中使用group_索引。下面是一个将制造商的mpg数据集分组的示例

library(tidyverse)

mpgGroupNbr <- mpg %>%
  arrange(manufacturer) %>%
  group_by(manufacturer) %>% 
  mutate(groupNbr = group_indices()*5)

#check coding - max/min should be the same if coded correctly
mpgGroupNbr %>% 
  group_by(manufacturer) %>%
  summarize(max = max(groupNbr), min = min(groupNbr))

结果:

   manufacturer   max   min
    <chr>        <dbl> <dbl>
 1 audi             5     5
 2 chevrolet       10    10
 3 dodge           15    15
 4 ford            20    20
 5 honda           25    25
 6 hyundai         30    30
 7 jeep            35    35
 8 land rover      40    40
 9 lincoln         45    45
10 mercury         50    50
11 nissan          55    55
12 pontiac         60    60
13 subaru          65    65
14 toyota          70    70
15 volkswagen      75    75

您可以在tidyverse中使用组索引。下面是一个将制造商的mpg数据集分组的示例

library(tidyverse)

mpgGroupNbr <- mpg %>%
  arrange(manufacturer) %>%
  group_by(manufacturer) %>% 
  mutate(groupNbr = group_indices()*5)

#check coding - max/min should be the same if coded correctly
mpgGroupNbr %>% 
  group_by(manufacturer) %>%
  summarize(max = max(groupNbr), min = min(groupNbr))

结果:

   manufacturer   max   min
    <chr>        <dbl> <dbl>
 1 audi             5     5
 2 chevrolet       10    10
 3 dodge           15    15
 4 ford            20    20
 5 honda           25    25
 6 hyundai         30    30
 7 jeep            35    35
 8 land rover      40    40
 9 lincoln         45    45
10 mercury         50    50
11 nissan          55    55
12 pontiac         60    60
13 subaru          65    65
14 toyota          70    70
15 volkswagen      75    75

像这样的

index_by <- function(DF, group, index_list = NULL){
  f <- ave(as.character(DF[[group]]), DF[[group]], FUN = function(x) rnorm(1))
  i <- as.integer(factor(f, levels = unique(f)))
  if(is.null(index_list)) i else index_list[i]
}

df1$index <- index_by(df1, "column1")
df1$index2 <- index_by(df1, "column1", c(5, 10, 15, 17))

df1
#    column1 index index2
#1  phrase 1     1      5
#2  phrase 1     1      5
#3  phrase 1     1      5
#4  phrase 1     1      5
#5  phrase 2     2     10
#6  phrase 2     2     10
#7  phrase 3     3     15
#8  phrase 3     3     15
#9  phrase 3     3     15
#10 phrase 4     4     17

数据创建代码

像这样的

index_by <- function(DF, group, index_list = NULL){
  f <- ave(as.character(DF[[group]]), DF[[group]], FUN = function(x) rnorm(1))
  i <- as.integer(factor(f, levels = unique(f)))
  if(is.null(index_list)) i else index_list[i]
}

df1$index <- index_by(df1, "column1")
df1$index2 <- index_by(df1, "column1", c(5, 10, 15, 17))

df1
#    column1 index index2
#1  phrase 1     1      5
#2  phrase 1     1      5
#3  phrase 1     1      5
#4  phrase 1     1      5
#5  phrase 2     2     10
#6  phrase 2     2     10
#7  phrase 3     3     15
#8  phrase 3     3     15
#9  phrase 3     3     15
#10 phrase 4     4     17

数据创建代码

---

索引=c5，10，15，17，namesindex=cphrase A，phrase B，phrase C，phrase D的可能重复。您的_data$index=index[您的_data$column_1]。我认为这不是组内编号的重复-OP希望每个组的索引值相同。@Gregor，您尝试过吗？没用吗？乘以5？@Reeza OP希望数字对应第1列，而不是第2列。我想他们只是想要一个表的连接，描述短语如何映射到索引？因为他们指定他们需要特定的索引，而不仅仅是任何数字。索引的可能副本=c5、10、15、17，namesindex=C短语A、短语B、短语C、短语D。您的\数据$index=索引[您的\数据$column\ 1]。我想这不是组内的重复编号-OP希望每个组都有相同的索引值。@Gregor，您试过吗？没用吗？乘以5？@Reeza OP希望数字对应第1列，而不是第2列。我想他们只是想要一个表的连接，描述短语如何映射到索引？因为它们指定它们需要特定的索引，而不仅仅是任何数字。它们不是以5为增量，索引是一个基于短语的完全随机数字列表。为什么5与否有关系？@aa710那么同样的方法也可以，只需删除乘法。索引是根据这些短语在大型csv中的位置生成的，最终我需要将其映射回该文件，因此每个短语的索引在此处很重要。然后您需要更好地解释基本情况，我觉得这回答了您提出的问题，但是你问的问题并不是你真正想解决的问题。它们不是以5为增量，索引是一个基于短语的完全随机数列表。为什么它是5与否很重要？@aa710那么同样的方法也可以做到，只需删除乘法。索引是根据这些短语在大型csv中的位置生成的，最终我需要将其映射回该文件，因此每个短语的索引在此处很重要。然后您需要更好地解释基本情况，我觉得这回答了您提出的问题，但你问的问题并不是你真正想解决的问题。