R 按连续出现的值分组
我遇到了一个问题，迫使我使用一个循环，而不是我喜欢的dplyr管道流 我想根据相同值的连续观察结果对行进行分组。 例如，如果类型为a的前四个观察值相等，则前四个观察值应分配给同一组。排序问题，所以我不能dplyr:：group_by和dplyr:：summary 下面的代码应该可以很好地解释这个问题。我想知道是否有人能提出一种不那么冗长的方法来实现这一点，最好使用tidyverse包，而不是data.tables 由reprex包v0.2.1于2019-03-14创建R 按连续出现的值分组,r,dplyr,R,Dplyr,我遇到了一个问题，迫使我使用一个循环，而不是我喜欢的dplyr管道流 我想根据相同值的连续观察结果对行进行分组。 例如，如果类型为a的前四个观察值相等，则前四个观察值应分配给同一组。排序问题，所以我不能dplyr:：group_by和dplyr:：summary 下面的代码应该可以很好地解释这个问题。我想知道是否有人能提出一种不那么冗长的方法来实现这一点，最好使用tidyverse包，而不是data.tables 由reprex包v0.2.1于2019-03-14创建 这种连续类型出现的分组实际
这种连续类型出现的分组实际上只是一个中间步骤。我的最终目的是根据前一个concer_组中出现的val值，操纵给定concer_组的val。请提供相关套餐的建议。您说没有数据表，但您确定吗？在这种情况下，它是如此的快速和简单
library(data.table)
setDT(df)[, groupid := rleid(type)][]
# id type val groupid
# 1: 1 a 0.624078793 1
# 2: 2 a 0.687361541 1
# 3: 3 a 0.817702740 1
# 4: 4 a 0.669857208 1
# 5: 5 a 0.100977936 1
# 6: 6 b 0.418275823 2
# 7: 7 b 0.660119857 2
# 8: 8 b 0.876015209 2
# 9: 9 b 0.473562143 2
# 10: 10 b 0.284474633 2
# 11: 11 a 0.034154862 3
# 12: 12 a 0.391760387 3
# 13: 13 a 0.383107868 3
# 14: 14 a 0.729583433 3
# 15: 15 a 0.006288375 3
# 16: 16 b 0.530179235 4
# 17: 17 b 0.802643704 4
# 18: 18 b 0.409618633 4
# 19: 19 b 0.309363642 4
# 20: 20 b 0.021918512 4
df %>% mutate( groupid = data.table::rleid(type) )
library(tidyverse)
library(data.table)
# Crete some large test data
df <- tibble(
id = 1:200000,
type = sample(letters[1:26], 200000, replace = TRUE),
val = runif(200000)
)
dt <- as.data.table(df)
microbenchmark::microbenchmark(
dplyr.rleid = df %>% mutate( groupid = data.table::rleid(type) ),
data.table.rleid = dt[, groupid := rleid(type)][],
rle = df %>% mutate(ID_rleid = {ID_rleid = rle(type); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)}),
rle2 = df %>% mutate(ID_rleid = with(rle(type), rep(seq_along(lengths), lengths))),
transform = transform(df, ID = with(rle(df$type), rep(seq_along(lengths), lengths))),
times = 10)
# Unit: milliseconds
# expr min lq mean median uq max neval
# dplyr.rleid 3.153626 3.278049 3.410363 3.444949 3.502792 3.582626 10
# data.table.rleid 2.965639 3.065959 3.173992 3.145643 3.259672 3.507009 10
# rle 13.059774 14.042797 24.364176 26.126176 29.460561 36.874054 10
# rle2 12.641319 13.553846 30.951152 24.698338 34.139786 102.791719 10
# transform 12.330717 22.419128 22.725242 25.532084 26.187634 26.702794 10
你说没有数据表，但你确定吗？在这种情况下，它是如此的快速和简单
library(data.table)
setDT(df)[, groupid := rleid(type)][]
# id type val groupid
# 1: 1 a 0.624078793 1
# 2: 2 a 0.687361541 1
# 3: 3 a 0.817702740 1
# 4: 4 a 0.669857208 1
# 5: 5 a 0.100977936 1
# 6: 6 b 0.418275823 2
# 7: 7 b 0.660119857 2
# 8: 8 b 0.876015209 2
# 9: 9 b 0.473562143 2
# 10: 10 b 0.284474633 2
# 11: 11 a 0.034154862 3
# 12: 12 a 0.391760387 3
# 13: 13 a 0.383107868 3
# 14: 14 a 0.729583433 3
# 15: 15 a 0.006288375 3
# 16: 16 b 0.530179235 4
# 17: 17 b 0.802643704 4
# 18: 18 b 0.409618633 4
# 19: 19 b 0.309363642 4
# 20: 20 b 0.021918512 4
df %>% mutate( groupid = data.table::rleid(type) )
library(tidyverse)
library(data.table)
# Crete some large test data
df <- tibble(
id = 1:200000,
type = sample(letters[1:26], 200000, replace = TRUE),
val = runif(200000)
)
dt <- as.data.table(df)
microbenchmark::microbenchmark(
dplyr.rleid = df %>% mutate( groupid = data.table::rleid(type) ),
data.table.rleid = dt[, groupid := rleid(type)][],
rle = df %>% mutate(ID_rleid = {ID_rleid = rle(type); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)}),
rle2 = df %>% mutate(ID_rleid = with(rle(type), rep(seq_along(lengths), lengths))),
transform = transform(df, ID = with(rle(df$type), rep(seq_along(lengths), lengths))),
times = 10)
# Unit: milliseconds
# expr min lq mean median uq max neval
# dplyr.rleid 3.153626 3.278049 3.410363 3.444949 3.502792 3.582626 10
# data.table.rleid 2.965639 3.065959 3.173992 3.145643 3.259672 3.507009 10
# rle 13.059774 14.042797 24.364176 26.126176 29.460561 36.874054 10
# rle2 12.641319 13.553846 30.951152 24.698338 34.139786 102.791719 10
# transform 12.330717 22.419128 22.725242 25.532084 26.187634 26.702794 10
df %>%
mutate(ID_rleid = {ID_rleid = rle(type); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)})
id type val ID_rleid
<int> <chr> <dbl> <int>
1 1 a 0.0430 1
2 2 a 0.858 1
3 3 a 0.504 1
4 4 a 0.318 1
5 5 a 0.469 1
6 6 b 0.144 2
7 7 b 0.173 2
8 8 b 0.0706 2
9 9 b 0.958 2
10 10 b 0.557 2
11 11 a 0.358 3
12 12 a 0.973 3
13 13 a 0.982 3
14 14 a 0.177 3
15 15 a 0.599 3
16 16 b 0.627 4
17 17 b 0.454 4
18 18 b 0.682 4
19 19 b 0.690 4
20 20 b 0.713 4
df %>%
mutate(ID_rleid = {ID_rleid = rle(type); rep(seq_along(ID_rleid$lengths), ID_rleid$lengths)})
id type val ID_rleid
<int> <chr> <dbl> <int>
1 1 a 0.0430 1
2 2 a 0.858 1
3 3 a 0.504 1
4 4 a 0.318 1
5 5 a 0.469 1
6 6 b 0.144 2
7 7 b 0.173 2
8 8 b 0.0706 2
9 9 b 0.958 2
10 10 b 0.557 2
11 11 a 0.358 3
12 12 a 0.973 3
13 13 a 0.982 3
14 14 a 0.177 3
15 15 a 0.599 3
16 16 b 0.627 4
17 17 b 0.454 4
18 18 b 0.682 4
19 19 b 0.690 4
20 20 b 0.713 4
使用RLEDF$type，repseq_alongles，Lengthsher的一篇文章，这几乎是一个骗局：@camille，这很接近，但这里的问题和答案更清楚。也许可以把这个问题当作这个问题的一个复制品来结束？如果使用RLEDF$type，repseq_alongles，Lengthsher的一篇文章，这几乎是一个复制品：@camille，这很接近，但这里的问题和答案更清楚。也许把这个问题当作这个问题的翻版来结束吧？你的论点很有说服力。我的理由是：a我还没有花时间学习data.tables，因为我天真地认为tidyverse满足了我的需求，而你可能已经说服了我。b我在做探索性分析，总有一天会有同事把我的工作翻译成python；我想让事情变得简单易懂，我的印象是DT比dplyr更难阅读。只需添加足够的注释，就像你在使用tidyverse时可能会做的那样。感谢你发布这篇文章：即使这不是提问者喜欢的解决方案，它也会对未来有同样问题的人有所帮助@djfinnoy看到答案底部的一种dplyr解决方案-谢谢虽然我说没有数据表，但我只是喜欢它的优雅；我会用额外的空间来评论你的论点。我的理由是：a我还没有花时间学习data.tables，因为我天真地认为tidyverse满足了我的需求，而你可能已经说服了我。b我在做探索性分析，总有一天会有同事把我的工作翻译成python；我想让事情变得简单易懂，我的印象是DT比dplyr更难阅读。只需添加足够的注释，就像你在使用tidyverse时可能会做的那样。感谢你发布这篇文章：即使这不是提问者喜欢的解决方案，它也会对未来有同样问题的人有所帮助@djfinnoy看到答案底部的一种dplyr解决方案-谢谢虽然我说没有数据表，但我只是喜欢它的优雅；我会把多余的空间用来comments@divibisan在发布我自己的解决方案之前，我没有看到过这样的评论，但它真的很好。我把它添加到我的帖子中。@divibisan在发布我自己的解决方案之前，我还没有看到这个评论，但它真的很不错。我把它添加到我的帖子里。