web-dev-qa-db-fra.com

Numérotation des lignes au sein de groupes dans un cadre de données

Travailler avec un bloc de données semblable à ceci:

set.seed(100)  
df <- data.frame(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)), val = runif(15))             
df <- df[order(df$cat, df$val), ]  
df  

   cat        val  
1  aaa 0.05638315  
2  aaa 0.25767250  
3  aaa 0.30776611  
4  aaa 0.46854928  
5  aaa 0.55232243  
6  bbb 0.17026205  
7  bbb 0.37032054  
8  bbb 0.48377074  
9  bbb 0.54655860  
10 bbb 0.81240262  
11 ccc 0.28035384  
12 ccc 0.39848790  
13 ccc 0.62499648  
14 ccc 0.76255108  
15 ccc 0.88216552

J'essaie d'ajouter une colonne numérotée dans chaque groupe. Le faire de cette façon n'utilise évidemment pas les pouvoirs de R:

 df$num <- 1  
 for (i in 2:(length(df[,1]))) {  
   if (df[i,"cat"]==df[(i-1),"cat"]) {  
     df[i,"num"]<-df[i-1,"num"]+1  
     }  
 }  
 df  

   cat        val num  
1  aaa 0.05638315   1  
2  aaa 0.25767250   2  
3  aaa 0.30776611   3  
4  aaa 0.46854928   4  
5  aaa 0.55232243   5  
6  bbb 0.17026205   1  
7  bbb 0.37032054   2  
8  bbb 0.48377074   3  
9  bbb 0.54655860   4  
10 bbb 0.81240262   5  
11 ccc 0.28035384   1  
12 ccc 0.39848790   2  
13 ccc 0.62499648   3  
14 ccc 0.76255108   4  
15 ccc 0.88216552   5

Quel serait un bon moyen de faire cela?

rdataframer-faq
132
eli-k

Utilisez ave, ddply, dplyr ou data.table:

df$num <- ave(df$val, df$cat, FUN = seq_along)

ou:

library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))

ou:

library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())

ou (le plus économe en mémoire, car il attribue une référence dans DT):

library(data.table)
DT <- data.table(df)

DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
228
mnel

Pour rendre cette r-faq question plus complète, une alternative de base R avec sequence et rle:

df$num <- sequence(rle(df$cat)$lengths)

qui donne le résultat souhaité:

> df
   cat        val num
4  aaa 0.05638315   1
2  aaa 0.25767250   2
1  aaa 0.30776611   3
5  aaa 0.46854928   4
3  aaa 0.55232243   5
10 bbb 0.17026205   1
8  bbb 0.37032054   2
6  bbb 0.48377074   3
9  bbb 0.54655860   4
7  bbb 0.81240262   5
13 ccc 0.28035384   1
14 ccc 0.39848790   2
11 ccc 0.62499648   3
15 ccc 0.76255108   4
12 ccc 0.88216552   5

Si df$cat est une variable facteur, vous devez l’envelopper dans as.character première:

df$num <- sequence(rle(as.character(df$cat))$lengths)
23
Jaap

Voici une option utilisant une boucle for par groupes plutôt que par lignes (comme l'OP l'a fait)

for (i in unique(df$cat)) df$num[df$cat == i] <- seq_len(sum(df$cat == i))
8
alittleboy

Voici un petit truc d'amélioration qui permet de trier 'val' au sein des groupes:

# 1. Data set
set.seed(100)
df <- data.frame(
  cat = c(rep("aaa", 5), rep("ccc", 5), rep("bbb", 5)), 
  val = runif(15))             

# 2. 'dplyr' approach
df %>% 
  arrange(cat, val) %>% 
  group_by(cat) %>% 
  mutate(id = row_number())
6
andrii

J'aimerais ajouter une variante data.table À l'aide de la fonction rank(), qui offre la possibilité supplémentaire de modifier l'ordre et donc de le rendre un peu plus flexible que la solution seq_len() et est assez similaire aux fonctions row_number dans le SGBDR.

# Variant with ascending ordering
library(data.table)
dt <- data.table(df)
dt[, .( val
   , num = rank(val))
    , by = list(cat)][order(cat, num),]

    cat        val num
 1: aaa 0.05638315   1
 2: aaa 0.25767250   2
 3: aaa 0.30776611   3
 4: aaa 0.46854928   4
 5: aaa 0.55232243   5
 6: bbb 0.17026205   1
 7: bbb 0.37032054   2
 8: bbb 0.48377074   3
 9: bbb 0.54655860   4
10: bbb 0.81240262   5
11: ccc 0.28035384   1
12: ccc 0.39848790   2
13: ccc 0.62499648   3
14: ccc 0.76255108   4

# Variant with descending ordering
dt[, .( val
   , num = rank(-val))
    , by = list(cat)][order(cat, num),]
5
hannes101

Une autre possibilité dplyr pourrait être:

df %>%
 group_by(cat) %>%
 mutate(num = 1:n())

   cat      val   num
   <fct>  <dbl> <int>
 1 aaa   0.0564     1
 2 aaa   0.258      2
 3 aaa   0.308      3
 4 aaa   0.469      4
 5 aaa   0.552      5
 6 bbb   0.170      1
 7 bbb   0.370      2
 8 bbb   0.484      3
 9 bbb   0.547      4
10 bbb   0.812      5
11 ccc   0.280      1
12 ccc   0.398      2
13 ccc   0.625      3
14 ccc   0.763      4
15 ccc   0.882      5
1
tmfmnk