[英]Assign unique ID to distinct values within Group with dplyr
问题:我需要为具有两个分组级别的数据创建唯一的ID字段。 在此处的示例代码中,它是Emp
和Color
。 该ID的结构应为:
Emp
+每个Color
唯一编号+重复Colors
序号。
这些值由句点分隔。
示例数据:
dat <- data.frame(Emp = c("A","A","A","B","B","C"),
Color = c("Red","Green","Green","Orange","Yellow","Brown"),
stringsAsFactors = FALSE)
该ID应该显示为:
ID <- c("A.01.001", "A.02.001", "A.02.002", "B.01.001", "B.02.001", "C.01.001")
ID [1]“ A.01.001”“ A.02.001”“ A.02.002”“ B.01.001”“ B.02.001”“ C.01.001”
ID的三个字符后缀来记录重复项,可以这样完成:
group_by(dat, Emp, Color) %>%
mutate(suffix = str_pad(row_number(), width=3, side="left", pad="0"))
但是我无法为每个Emp
组分配连续编号给Color
的唯一出现。
我更喜欢dplyr解决方案,但是任何方法都将不胜感激。
使用data.table
和sprintf
:
library(data.table)
setDT(dat)[, ID := sprintf('%s.%02d.%03d',
Emp, rleid(Color), rowid(rleid(Color))),
by = Emp]
你得到:
> dat
Emp Color ID
1: A Red A.01.001
2: A Green A.02.001
3: A Green A.02.002
4: B Orange B.01.001
5: B Yellow B.02.001
6: C Brown C.01.001
工作原理:
setDT()
将dat
转换为data.table
Emp
分组。 sprintf
函数创建ID
变量。 使用sprintf
您可以根据指定的格式轻松地将多个矢量粘贴在一起。 :=
的使用意味着data.table
通过引用进行更新。 %s
指示在第一部分(即Emp
)中使用字符串。 %02d
和%03d
表示数字需要在需要时由两位或三位数字和前导零组成。 中间的点将按字面意义使用,因此包含在结果字符串中。 处理@jsta的注释,如果Color
-column中的值不是连续的,则可以使用:
setDT(dat)[, r := as.integer(factor(Color, levels = unique(Color))), by = Emp
][, ID := sprintf('%s.%02d.%03d',
Emp, r, rowid(r)),
by = Emp][, r:= NULL]
这也将保持“ Color
列的显示顺序。 代替as.integer(factor(Color, levels = unique(Color)))
您还可以使用match(Color, unique(Color))
,如akrun所示。
在更大的数据集上实现上述内容以说明:
dat2 <- rbindlist(list(dat,dat))
dat2[, r := match(Color, unique(Color)), by = Emp
][, ID := sprintf('%s.%02d.%03d',
Emp, r, rowid(r)),
by = Emp]
让您:
> dat2
Emp Color r ID
1: A Red 1 A.01.001
2: A Green 2 A.02.001
3: A Green 2 A.02.002
4: B Orange 1 B.01.001
5: B Yellow 2 B.02.001
6: C Brown 1 C.01.001
7: A Red 1 A.01.002
8: A Green 2 A.02.003
9: A Green 2 A.02.004
10: B Orange 1 B.01.002
11: B Yellow 2 B.02.002
12: C Brown 1 C.01.002
我们可以试试
dat %>%
group_by(Emp) %>%
mutate(temp = match(Color, unique(Color)),
temp2 = duplicated(Color)+1,
ID = sprintf("%s.%02d.%03d", Emp, temp, temp2))%>%
select(-temp, -temp2)
# Emp Color ID
# <chr> <chr> <chr>
#1 A Red A.01.001
#2 A Green A.02.001
#3 A Green A.02.002
#4 B Orange B.01.001
#5 B Yellow B.02.001
#6 C Brown C.01.001
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.