累积扩展一个类别，以包括R中所有以前的观察结果

我有这个数据框：

df = as.data.frame(structure(list(ID = c(1,2,1,2),
                              value = c(10,12,14,16),
                              category = c(1,1,2,2))))

我想将其放入每个

类别的累积数据框中，其中每一行插入到顺序类别中：

desired_df = as.data.frame(structure(list(ID = c(1,2,1,2,1,2),
                              value = c(10,12,10,12,14,16),
                              category = c(1,1,2,2,2,2))))

通过
所需的
，我希望能够累积地绘制每个类别中观察值的分布（每个类别都是一个时间步长）。
我们可以循环通过“类别”的
唯一的
元素，获得序列，使用该序列对原始数据集进行子集，
转换
类别
列，和
rbind
列表
元素

do.call(rbind, lapply(unique(df$category), function(i) 
         transform(df[df$category %in% seq_len(i),], category = i)))
#   ID value category
#1  1    10        1
#2  2    12        1
#3  1    10        2
#4  2    12        2
#5  1    14        2
#6  2    16        2

我们可以循环遍历“category”的
unique
元素，获得序列，使用该序列子集原始数据集，
transform
category
列，以及
rbind
列表
元素

do.call(rbind, lapply(unique(df$category), function(i) 
         transform(df[df$category %in% seq_len(i),], category = i)))
#   ID value category
#1  1    10        1
#2  2    12        1
#3  1    10        2
#4  2    12        2
#5  1    14        2
#6  2    16        2

这很有效，谢谢，但我必须确保类别是数字的。@口渴ForkKnowledge如果它不是
数字的
，那么
匹配（df$category，unique（df$category））
将给出数字版本，它可以循环工作，谢谢，但我必须确保类别是数字的。@口渴ForkKnowledge如果它不是
数字的
，然后
match（df$category，unique（df$category））
将给出数字版本，可以循环使用