使用 dplyr 索引 R 中的组

Question

我有一个数据集如下：

结构（AI_decs）

                 Horse             Time RaceID dyLTO Value.LTO Draw.IV
1         Warne's Army 06/04/2021 13:00      1    56      3429    0.88
2        G For Gabrial 06/04/2021 13:00      1    57      3299    1.15
3         First Charge 06/04/2021 13:00      1    66      3429    1.06
4        Dream With Me 06/04/2021 13:00      1    62      2862    0.97
5             Qawamees 06/04/2021 13:00      1    61      4690    0.97
6          Glan Y Gors 06/04/2021 13:00      1    59      3429    1.50
7     The Dancing Poet 06/04/2021 13:00      1    42      4690    1.41
8               Finoah 06/04/2021 13:00      1    59     10260    0.97
9            Ravenscar 06/04/2021 13:30      2    58      5208    0.65
10          Arabescato 06/04/2021 13:30      2    57      2862    1.09
11        Thai Terrier 06/04/2021 13:30      2    58      7439    1.30
12   The Rutland Rebel 06/04/2021 13:30      2    55      3429    2.17
13         Red Tornado 06/04/2021 13:30      2    49      3340    0.43
14             Alfredo 06/04/2021 13:30      2    54      5208    1.30
15     Tynecastle Park 06/04/2021 13:30      2    72      7439    0.87
16           Waldkonig 06/04/2021 14:00      3    55      3493    1.35
17       Kaleidoscopic 06/04/2021 14:00      3    68      7439    1.64
18           Louganini 06/04/2021 14:00      3    75     56025    1.26

我有一个列列表，其中包含比赛中马匹的性能数据值。 我的数据集有更多行，它包含给定日期的许多赛马。 每场赛马都有一个独特的时间和每场比赛中不同数量的马匹。

基本上，我想为每个单独的比赛分配一个raceId（索引号）。
我目前必须在 excel 中执行此操作（请参见 RaceID 列），方法是每次遇到新比赛时比较 Time 列并将 RaceId 值加 1。 在我导入 R 之前，这必须每天手动完成。

我希望在 R Dplyr 中有一种方法可以做到这一点。 我想如果我使用 Group_by 'Time' 可能会有一个 function 有点像 n() 或 row_number() 可以为我索引比赛。

也许使用 Case_when 和滞后/领先。

提前感谢您的帮助。 格雷厄姆

Answer 1

尝试这个：

注意： group_indices()在 dplyr 1.0.0 中已弃用。

library(dplyr)


df <- data.frame(time = rep(c("06/04/2021 13:00", "06/04/2021 13:30", "06/04/2021 14:00", "07/04/2021 14:00"), each = 3))

  
    df  %>% 
    group_by(time) %>% 
    mutate(race_id = cur_group_id())
#> # A tibble: 12 x 2
#> # Groups:   time [4]
#>    time             race_id
#>    <chr>              <int>
#>  1 06/04/2021 13:00       1
#>  2 06/04/2021 13:00       1
#>  3 06/04/2021 13:00       1
#>  4 06/04/2021 13:30       2
#>  5 06/04/2021 13:30       2
#>  6 06/04/2021 13:30       2
#>  7 06/04/2021 14:00       3
#>  8 06/04/2021 14:00       3
#>  9 06/04/2021 14:00       3
#> 10 07/04/2021 14:00       4
#> 11 07/04/2021 14:00       4
#> 12 07/04/2021 14:00       4

^{由代表 package (v2.0.0) 于 2021 年 4 月 10 日创建}

Answer 2

您可以按data.table的 function rleid （即运行长度 ID）分组：

library(dplyr)
library(data.table)
df  %>% 
      group_by(race_id = rleid(time))
# A tibble: 12 x 2
# Groups:   race_id [4]
   time             race_id
   <chr>              <int>
 1 06/04/2021 13:00       1
 2 06/04/2021 13:00       1
 3 06/04/2021 13:00       1
 4 06/04/2021 13:30       2
 5 06/04/2021 13:30       2
 6 06/04/2021 13:30       2
 7 06/04/2021 14:00       3
 8 06/04/2021 14:00       3
 9 06/04/2021 14:00       3
10 07/04/2021 14:00       4
11 07/04/2021 14:00       4
12 07/04/2021 14:00       4

数据，来自@Peter：

df <- data.frame(time = rep(c("06/04/2021 13:00", "06/04/2021 13:30", "06/04/2021 14:00", "07/04/2021 14:00"), each = 3))