提问人：eli-k 提问时间：10/17/2012 最后编辑：cottontaileli-k 更新时间：6/7/2023 访问量：172286
对数据框中组内的行进行编号
Numbering rows within groups in a data frame
问：
使用与此类似的数据框：
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
我正在尝试在每个组中添加一个带有编号的列。这样做显然没有使用 R 的力量：
df$num <- 1
for (i in 2:(length(df[,1]))) {
if (df[i,"cat"]==df[(i-1),"cat"]) {
df[i,"num"]<-df[i-1,"num"]+1
}
}
df
cat val num
1 aaa 0.05638315 1
2 aaa 0.25767250 2
3 aaa 0.30776611 3
4 aaa 0.46854928 4
5 aaa 0.55232243 5
6 bbb 0.17026205 1
7 bbb 0.37032054 2
8 bbb 0.48377074 3
9 bbb 0.54655860 4
10 bbb 0.81240262 5
11 ccc 0.28035384 1
12 ccc 0.39848790 2
13 ccc 0.62499648 3
14 ccc 0.76255108 4
15 ccc 0.88216552 5
有什么好方法可以做到这一点？
答：
389赞
mnel
10/17/2012
#1
使用 、 或 ：aveddplydplyrdata.table
df$num <- ave(df$val, df$cat, FUN = seq_along)
艺术
library(plyr)
ddply(df, .(cat), mutate, id = seq_along(val))
艺术
library(dplyr)
df %>% group_by(cat) %>% mutate(id = row_number())
或（内存效率最高，因为它通过引用在 ）：DT
library(data.table)
DT <- data.table(df)
DT[, id := seq_len(.N), by = cat]
DT[, id := rowid(cat)]
评论
5赞
Frank
3/15/2017
值得一提的是，这里给出的是浮点数而不是 int。或者，可以更改为 .我刚刚在这里遇到了这个：stackoverflow.com/questions/42796857/......avedf$valseq_len(nrow(df))
2赞
hannes101
7/28/2017
有趣的是，这个解决方案似乎比使用：data.tablefranklibrary(microbenchmark); microbenchmark(a = DT[, .(val ,num = frank(val)), by = list(cat)] ,b =DT[, .(val , id = seq_len(.N)), by = list(cat)] , times = 1000L)
4赞
EcologyTom
4/10/2018
谢谢！解决方案很好。但是，如果像我一样，您在尝试这种方法时不断遇到奇怪的错误，请确保您没有在 和 正如本文中所述 可以通过显式调用来避免dplyrplyrdplyrdplyr::mutate(...)
4赞
chinsoon12
5/23/2018
另一种方法是data.tablesetDT(df)[, id:=rleid(val), by=.(cat)]
0赞
Przemyslaw Remin
7/24/2018
如何修改和回答使排名val列按降序排列？library(plyr)library(dplyr)
8赞
alittleboy
10/17/2012
#2
这是一个使用按组循环而不是按行循环的选项（就像 OP 所做的那样）for
for (i in unique(df$cat)) df$num[df$cat == i] <- seq_len(sum(df$cat == i))
35赞
Jaap
10/7/2017
#3
为了使这个 r-faq 问题更完整，一个带有 和 的基本 R 替代方案：sequencerle
df$num <- sequence(rle(df$cat)$lengths)
这给出了预期的结果：
> 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
如果是因子变量，则需要先将其包装起来：df$catas.character
df$num <- sequence(rle(as.character(df$cat))$lengths)
评论
3赞
zx8754
4/27/2019
刚刚注意到，这个解决方案需要对列进行排序吗？cat
0赞
Jaap
4/27/2019
@zx8754 是，除非您想按连续出现的次数进行编号cat
9赞
hannes101
6/18/2018
#4
我想使用该函数添加一个变体，该函数提供了更改排序的额外可能性，从而使其比解决方案更灵活，并且与RDBMS中的row_number函数非常相似。data.tablerank()seq_len()
# 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(desc(val)))
, by = list(cat)][order(cat, num),]
编辑于 2021-04-16，使降序和升序之间的切换更加安全
14赞
Andrii
9/22/2018
#5
这里有一个小的改进技巧，允许在组内对“val”进行排序：
# 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())
评论
0赞
zcoleman
1/10/2019
你能不能在group_by后排序？
12赞
tmfmnk
6/29/2019
#6
另一种可能性是：dplyr
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
评论
6赞
Brian Stamper
7/12/2019
在某些情况下，使用更安全，如果在操作序列中遇到可能返回的情况，因为为您提供长度为二的向量，而给出的长度为零向量，从而避免了长度不匹配错误。1:n()seq_len(n())n()01:0seq_len(0)mutate()
3赞
AKRosenblad
1/10/2020
#7
使用以下函数：rowid()data.table
> 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$num <- data.table::rowid(df$cat)
> 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
评论
1赞
eli-k
1/10/2020
感谢您的回答，但似乎已经在@mnel回答的最后一个建议中涵盖了这一点
0赞
Pittoro
10/27/2020
#8
另一个基本的R解决方案是将数据帧设置为：添加一个带有数字的列。最后一步是用 返回最终数据帧，即：splitcatlapply1:nrow(x)do.call
df_split <- split(df, df$cat)
df_lapply <- lapply(df_split, function(x) {
x$num <- seq_len(nrow(x))
return(x)
})
df <- do.call(rbind, df_lapply)
2赞
stevec
5/4/2021
#9
非常简单、整洁的解决方案。
整个 data.frame 的行号
library(tidyverse)
iris %>%
mutate(row_num = seq_along(Sepal.Length)) %>%
head
Sepal.Length Sepal.Width Petal.Length Petal.Width Species row_num
1 5.1 3.5 1.4 0.2 setosa 1
2 4.9 3.0 1.4 0.2 setosa 2
3 4.7 3.2 1.3 0.2 setosa 3
.. ... ... ... ... ...... ...
148 6.5 3.0 5.2 2.0 virginica 148
149 6.2 3.4 5.4 2.3 virginica 149
150 5.9 3.0 5.1 1.8 virginica 150
data.frame 中按组划分的行号
iris %>%
group_by(Species) %>%
mutate(num_in_group=seq_along(Species)) %>%
as.data.frame
Sepal.Length Sepal.Width Petal.Length Petal.Width Species num_in_group
1 5.1 3.5 1.4 0.2 setosa 1
2 4.9 3.0 1.4 0.2 setosa 2
3 4.7 3.2 1.3 0.2 setosa 3
.. ... ... ... ... ...... ..
48 4.6 3.2 1.4 0.2 setosa 48
49 5.3 3.7 1.5 0.2 setosa 49
50 5.0 3.3 1.4 0.2 setosa 50
51 7.0 3.2 4.7 1.4 versicolor 1
52 6.4 3.2 4.5 1.5 versicolor 2
53 6.9 3.1 4.9 1.5 versicolor 3
.. ... ... ... ... ...... ..
98 6.2 2.9 4.3 1.3 versicolor 48
99 5.1 2.5 3.0 1.1 versicolor 49
100 5.7 2.8 4.1 1.3 versicolor 50
101 6.3 3.3 6.0 2.5 virginica 1
102 5.8 2.7 5.1 1.9 virginica 2
103 7.1 3.0 5.9 2.1 virginica 3
.. ... ... ... ... ...... ..
148 6.5 3.0 5.2 2.0 virginica 48
149 6.2 3.4 5.4 2.3 virginica 49
150 5.9 3.0 5.1 1.8 virginica 50
1赞
akrun
1/6/2023
#10
在版本develdplyr
library(dplyr)
df %>%
mutate(num = row_number(), .by = "cat")
0赞
NicChr
6/7/2023
#11
一个 / 解决方案，它对一系列 1 使用分组累积和。collapsedata.table
library(data.table)
library(collapse)
set.seed(100)
df <- data.table(cat = c(rep("aaa", 5), rep("bbb", 5), rep("ccc", 5)),
val = runif(15))
setorder(df, cat, val)
df[, id := fcumsum(alloc(1L, .N), g = cat)][]
#> cat val id
#> 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
创建于 2023-06-07 with reprex v2.0.2
上一个：如何搜索“R”材料？[关闭]
评论