如何根据其他列的排列在数据框中创建新列？

Question

假设我有一个如下所示的数据框：

    var1   var2   var3   var4  
a   TRUE   FALSE  TRUE   FALSE
b   TRUE   TRUE   TRUE   FALSE
c   FALSE  TRUE   FALSE  TRUE
d   TRUE   FALSE  FALSE  FALSE
e   TRUE   FALSE  TRUE   FALSE
f   FALSE  TRUE   FALSE  TRUE

我想创建一个新的列，其指定a以f基于什么排列到类别TRUE和FALSE每个具有沿顶部的变量。

在这个简化的例子中，结果如下：

    var1   var2   var3   var4    category
a   TRUE   FALSE  TRUE   FALSE      A
b   TRUE   TRUE   TRUE   FALSE      B
c   FALSE  TRUE   FALSE  TRUE       C
d   TRUE   FALSE  FALSE  FALSE      D
e   TRUE   FALSE  TRUE   FALSE      A
f   FALSE  TRUE   FALSE  TRUE       C

请注意， TRUE和FALSE每个唯一排列变为不同的类别，并且由于a和e具有相同的排列，因此它们最终位于相同的类别（ A ）中。

有没有一种简单的方法可以做到这一点，如果顶部有大量变量，可能会有效，并且可能不限于TRUE和FALSE但如果数据框中填充了类别/数字？

Answer 1

你可以做点什么

## paste the rows together, creating a character vector
x <- do.call(paste, df)
## match it against itself and apply to 'LETTERS', and assign as new column
df$category <- LETTERS[match(x, x)]
df
#    var1  var2  var3  var4 category
# a  TRUE FALSE  TRUE FALSE        A
# b  TRUE  TRUE  TRUE FALSE        B
# c FALSE  TRUE FALSE  TRUE        C
# d  TRUE FALSE FALSE FALSE        D
# e  TRUE FALSE  TRUE FALSE        A
# f FALSE  TRUE FALSE  TRUE        C

如果我们使用命名列表作为环境，上面的代码可以写成一行代码。 这样可以避免对全局环境进行任何新的分配。

df$category <- LETTERS[with(list(x = do.call(paste, df)), match(x, x))]

数据：

df <- structure(list(var1 = c(TRUE, TRUE, FALSE, TRUE, TRUE, FALSE), 
    var2 = c(FALSE, TRUE, TRUE, FALSE, FALSE, TRUE), var3 = c(TRUE, 
    TRUE, FALSE, FALSE, TRUE, FALSE), var4 = c(FALSE, FALSE, 
    TRUE, FALSE, FALSE, TRUE)), .Names = c("var1", "var2", "var3", 
"var4"), row.names = c("a", "b", "c", "d", "e", "f"), class = "data.frame")

Answer 2

#Example DATA
mydata = structure(list(V1 = c(TRUE, TRUE, FALSE, TRUE, TRUE, FALSE), 
V2 = c(FALSE, TRUE, TRUE, FALSE, FALSE, TRUE), V3 = c(TRUE, 
TRUE, FALSE, FALSE, TRUE, FALSE), V4 = c(FALSE, FALSE, TRUE, 
FALSE, FALSE, TRUE)), .Names = c("V1", "V2", "V3", "V4"),
class = "data.frame", row.names = c(NA,-6L))

#RUN THE ONE LINER (Incorporating David Arenburg's advice in comment)
mydata$category = toupper(letters[as.numeric(as.factor(do.call(paste, mydata)))])

Answer 3

这是另一个可能派上用场以避免胁迫“角色”的想法。 （“data.frame” df来自RichScriven的答案。）

订单数据：

o = do.call(order, df)

对于每个有序列 ，找出下一个元素是否与之​​前的元素不同：

starts_new_elt = lapply(df, function(x) { 
                                 xo = x[o]
                                 c(TRUE, xo[-1] != xo[-length(x)]) 
                             })

这将返回一个TRUE / FALSE向量，其中，对于每个位置，指定是否与其前一个元素相同或不相同。 有了这个，我们可以得到一个类似的向量，在有序的 “data.frame”中，一行是否与之前的行相同或不同：

starts_new_row = Reduce("|", starts_new_elt)

该向量与有序“data.frame”比较，我们注意到，有一个TRUE每当行到以前的和不同的FALSE否则。

starts_new_row
#[1]  TRUE FALSE  TRUE  TRUE FALSE  TRUE

df[o, ]
#   var1  var2  var3  var4
#c FALSE  TRUE FALSE  TRUE
#f FALSE  TRUE FALSE  TRUE
#d  TRUE FALSE FALSE FALSE
#a  TRUE FALSE  TRUE FALSE
#e  TRUE FALSE  TRUE FALSE
#b  TRUE  TRUE  TRUE FALSE

最后，在此向量上使用cumsum返回有序 “data.frame”中每个分组行的id，可以按order(o)重新排序：

gr = cumsum(starts_new_row)[order(o)]
gr
#[1] 3 4 1 2 3 1

对于确切的输出，我们可以使用：

LETTERS[match(gr, unique(gr))]
#[1] "A" "B" "C" "D" "A" "C"

上面的一个方便的替代方案是基于从“data.table”包中添加到R的较新版本的功能grouping 。 grouping返回顺序，如前所述，但也有一些方便的属性：

o2 = do.call(grouping, df)
ends = attr(o2, "ends")
gr2 = rep(seq_along(ends), c(ends[1], diff(ends)))[order(o2)]

gr2
#[1] 3 4 1 2 3 1
LETTERS[match(gr2, unique(gr2))]
#[1] "A" "B" "C" "D" "A" "C"