R 数据表：“；“集团计数器”；基于给定列或另一列

我有这个

数据。表
：

> DT <- data.table(x = c(15,48,NA,NA,NA,45,45,45,45,75,75,75,NA,2,3,1), y = c(74,159,120,120,120,14,14,14,14,12,23,23,8,8,8,8))
> DT
     x   y
 1: 15  74
 2: 48 159
 3: NA 120
 4: NA 120
 5: NA 120
 6: 45  14
 7: 45  14
 8: 45  14
 9: 45  14
10: 75  12
11: 75  23
12: 75  23
13: NA   8
14:  2   8
15:  3   8
16:  1   8

以下是在某些条件下使用
cumsum
的方法：

DT[, cumsum(c(1, tail(pmin(x!=shift(x), y!=shift(y),na.rm=TRUE), -1)))]
[1] 1 2 3 3 3 4 4 4 4 5 5 5 6 6 6 6

x！=shift（x）
比较列中的相邻元素（与y相同）并返回逻辑值。
pmin
函数比较逻辑比较的结果并选择每个元素的最小值，即如果任一向量的元素没有变化，则观察值标记为未变化。
tail
函数删除初始NA，而
cumsum
函数将结果相加到所需的向量中

请注意，此方法将生成NAs，其中x和y的观测值都有NAs。在使用
cumsum
之前，您可以在附加步骤中解决此问题


这将对字符变量起作用：

# same data.table with character variables
DT <- data.table(x = as.character(c(15,48,NA,NA,NA,45,45,45,45,75,75,75,NA,2,3,1)),
                 y = as.character(c(74,159,120,120,120,14,14,14,14,12,23,23,8,8,8,8)))

DT[, cumsum(c(1, tail(pmin(x!=shift(x), y!=shift(y),na.rm=TRUE), -1)))]
 [1] 1 2 3 3 3 4 4 4 4 5 5 5 6 6 6 6

我不知道你想怎样治疗NAs。如果有一个额外的行
17:NA 8
，你会给它索引6还是索引7？结果将是索引6（即
17:NA 8 6
）。我想你是说，当且仅当两个X相同或两个Y相同时，两个连续行应该在同一组中。我想我是想问
NA
在这里是否特别。如果两个连续的X都
NA
，这算是相同的吗？我猜这方面的一个例子是将第
4:
行中的
120
更改为
121
，这会改变分组吗？是的，如果4:NA 121，分组会改变。对于x列和y列，我没有同时包含NA的行。是的，我刚刚看到了这一点。我想
c（1，tail（x，-1））
也可以写成
replace（x，1，1）
替换
replace
与
c（1，tail）
相比，是否有一个有效的论据，或者只是它读起来更好？我记得测试
replace
时，我看到akrun在使用它，发现它是复制的。不，没有参数，可能更适合可读性。@Nell如果你用字符变量试试这个，我认为应该可以，因为变量只用于相等性测试（
！=
）@Nell这适用于字符变量：查看我的更新答案。事实上，它将使用一个字符变量和一个数字变量。
# same data.table with character variables
DT <- data.table(x = as.character(c(15,48,NA,NA,NA,45,45,45,45,75,75,75,NA,2,3,1)),
                 y = as.character(c(74,159,120,120,120,14,14,14,14,12,23,23,8,8,8,8)))

DT[, cumsum(c(1, tail(pmin(x!=shift(x), y!=shift(y),na.rm=TRUE), -1)))]
 [1] 1 2 3 3 3 4 4 4 4 5 5 5 6 6 6 6

str(DT)
Classes ‘data.table’ and 'data.frame':  16 obs. of  2 variables:
 $ x: chr  "15" "48" NA NA ...
 $ y: chr  "74" "159" "120" "120" ...
 - attr(*, ".internal.selfref")=<externalptr>