为每个连续序列创建一个组号

您可以使用各种技术向数据添加列。以下引文来自相关帮助文本的“详细信息”部分。[[.data.frame

可以在多种模式下对数据框进行索引。当 和 与单个向量索引 （ 或 ） 一起使用时，它们会像索引列表一样索引数据框。[[[x[i]x[[i]]

my.dataframe["new.col"] <- a.vector
my.dataframe[["new.col"]] <- a.vector

的 data.frame 方法视为列表$x

my.dataframe$new.col <- a.vector

当 和 与两个索引 （ 和 ） 一起使用时，它们的作用类似于索引矩阵[[[x[i, j]x[[i, j]]

my.dataframe[ , "new.col"] <- a.vector

由于该方法假定，如果您不指定您使用的是列还是行，它将假定您的意思是列。data.frame

---

对于您的示例，这应该有效：

# make some fake data
your.df <- data.frame(no = c(1:4, 1:7, 1:5), h_freq = runif(16), h_freqsq = runif(16))

# find where one appears and 
from <- which(your.df$no == 1)
to <- c((from-1)[-1], nrow(your.df)) # up to which point the sequence runs

# generate a sequence (len) and based on its length, repeat a consecutive number len times
get.seq <- mapply(from, to, 1:length(from), FUN = function(x, y, z) {
            len <- length(seq(from = x[1], to = y[1]))
            return(rep(z, times = len))
         })

# when we unlist, we get a vector
your.df$group <- unlist(get.seq)
# and append it to your original data.frame. since this is
# designating a group, it makes sense to make it a factor
your.df$group <- as.factor(your.df$group)


   no     h_freq   h_freqsq group
1   1 0.40998238 0.06463876     1
2   2 0.98086928 0.33093795     1
3   3 0.28908651 0.74077119     1
4   4 0.10476768 0.56784786     1
5   1 0.75478995 0.60479945     2
6   2 0.26974011 0.95231761     2
7   3 0.53676266 0.74370154     2
8   4 0.99784066 0.37499294     2
9   5 0.89771767 0.83467805     2
10  6 0.05363139 0.32066178     2
11  7 0.71741529 0.84572717     2
12  1 0.10654430 0.32917711     3
13  2 0.41971959 0.87155514     3
14  3 0.32432646 0.65789294     3
15  4 0.77896780 0.27599187     3
16  5 0.06100008 0.55399326     3

除了罗曼的回答之外，这样的事情可能更简单。请注意，我还没有测试它，因为我现在无法访问 R。

# Note that I use a global variable here
# normally not advisable, but I liked the
# use here to make the code shorter
index <<- 0
new_column = sapply(df$h_no, function(x) {
  if(x == 1) index = index + 1
  return(index)
})

该函数循环访问中的值，并始终返回当前值所属的分类。如果检测到值 ，则增加全局变量并继续。n_ho1index

如果我正确理解了这个问题，您想检测何时没有增加，然后增加 .（我将介绍我是如何解决这个问题的，最后有一个独立的函数。h_noclass

加工

我们目前只关心列，因此我们可以从数据框中提取它：h_no

> h_no <- data$h_no

我们想检测何时不上升，这可以通过计算连续元素之间的差异何时为负或零来做到这一点。R 提供了 diff 函数，它为我们提供了差异的向量：h_no

> d.h_no <- diff(h_no)
> d.h_no
 [1]  1  1  1 -3  1  1  1  1  1  1 -6  1  1  1

一旦我们有了这些，找到那些非积极的就很简单了：

> nonpos <- d.h_no <= 0
> nonpos
 [1] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
[13] FALSE FALSE

在 R 中，和 与 和 基本相同，因此如果我们得到 的累积和，它将在（几乎）适当的点中增加 1。cumsum 函数（基本上与 相反）可以做到这一点。TRUEFALSE10nonposdiff

> cumsum(nonpos)
 [1] 0 0 0 1 1 1 1 1 1 1 2 2 2 2

但是，有两个问题：数字太小了;而且，我们缺少第一个元素（第一类应该有四个）。

第一个问题很简单：。第二个只需要在向量的前面添加 a，因为第一个元素总是在类中：1+cumsum(nonpos)11

 > classes <- c(1, 1 + cumsum(nonpos))
 > classes
  [1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

现在，我们可以使用 cbind 将其附加回数据框（通过使用语法，我们可以为列提供标题）：class=class

 > data_w_classes <- cbind(data, class=classes)

现在包含结果。data_w_classes

最终结果

我们可以将这些行压缩在一起，并将它们全部包装成一个函数，使其更易于使用：

classify <- function(data) {
   cbind(data, class=c(1, 1 + cumsum(diff(data$h_no) <= 0)))
}

或者，既然 to 是一个因素是有道理的：class

classify <- function(data) {
   cbind(data, class=factor(c(1, 1 + cumsum(diff(data$h_no) <= 0))))
}

您可以使用以下任一函数：

> classified <- classify(data) # doesn't overwrite data
> data <- classify(data) # data now has the "class" column

（这种解决这个问题的方法很好，因为它避免了显式迭代，这通常推荐用于 R，并且避免生成大量中间向量和列表等。而且它如何写在一行上也有点整洁:)）

简单：您的数据框是 A

b <- A[,1]
b <- b==1
b <- cumsum(b)

然后你得到 b 列。

Data.frame[,'h_new_column'] <- as.integer(Data.frame[,'h_no'], breaks=c(1, 4, 7))

我相信使用“cbind”是在 R 中向数据框添加列的最简单方法。 下面举个例子：

    myDf = data.frame(index=seq(1,10,1), Val=seq(1,10,1))
    newCol= seq(2,20,2)
    myDf = cbind(myDf,newCol)

基于识别组数 （ in ） 及其长度 （ in ） 的方法xmapplyymapply)

mytb<-read.table(text="h_no  h_freq  h_freqsq group
1     0.09091 0.008264628 1
2     0.00000 0.000000000 1
3     0.04545 0.002065702 1
4     0.00000 0.000000000 1  
1     0.13636 0.018594050 2
2     0.00000 0.000000000 2
3     0.00000 0.000000000 2
4     0.04545 0.002065702 2
5     0.31818 0.101238512 2
6     0.00000 0.000000000 2
7     0.50000 0.250000000 2 
1     0.13636 0.018594050 3 
2     0.09091 0.008264628 3
3     0.40909 0.167354628 3
4     0.04545 0.002065702 3", header=T, stringsAsFactors=F)
mytb$group<-NULL

positionsof1s<-grep(1,mytb$h_no)

mytb$newgroup<-unlist(mapply(function(x,y) 
  rep(x,y),                      # repeat x number y times
  x= 1:length(positionsof1s),    # x is 1 to number of nth group = g1:g3
  y= c( diff(positionsof1s),     # y is number of repeats of groups g1 to penultimate (g2) = 4, 7
        nrow(mytb)-              # this line and the following gives number of repeat for last group (g3)
          (positionsof1s[length(positionsof1s )]-1 )  # number of rows - position of penultimate group (g2) 
      ) ) )
mytb

对于这样的事情，该功能非常方便。我们减去序列以将连续序列转换为常量，然后用于创建组 ID：data.tablerleid1:nrow(data)rleid

data$g = data.table::rleid(data$h_no - 1:nrow(data))

一个不错的选择是 ，它从连续数字序列创建唯一 ID。该功能经过高度优化和灵活：collapse::seqid

collapse::seqid(df$h_no)
#[1] 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3

---

collapse::seqid(c(1:5, 7:10))
#[1] 1 1 1 1 1 2 2 2 2

collapse::seqid(c(1:5, 7:10), del = 2) #With a delimitation of 2
#[1] 1 2 3 4 5 5 6 7 8

collapse::seqid(c(1, NA, 2), na.skip = TRUE)
#[1]  1 NA  1