如何添加新的分组变量

Question

如何根据日期添加另一个变量作为分组变量？ 这是我的数据：

df <- tibble(id = c(rep(1, 8), rep(2, 3)),
             col = structure(c(19031, 19031, 19031, 19031, 19072, 19072, 19072, 19072, 19031, 19031, 
                               19031), class = "Date"),
             grouping_var = c(rep(1, 4), rep(2,4), rep(1, 3) ) )

列grouping_variable是我想要的预期结果。 所以基本上，我想根据日期分配一个分组。 如果一个id在col中有多个日期，那么第一个日期会被分配一个1 ，第二个被分配一个2 ，如果一个 id 只有一个日期，它只会被分配一个1 。 dpylr 解决方案在这里特别好。

谢谢

Answer 1

您可以按id分组，然后将日期列与自身的排序unique值进行match 。

df %>% 
  group_by(id) %>%
  mutate(grouping_var = match(col, sort(unique(col))))
#> # A tibble: 11 x 3
#> # Groups:   id [2]
#>       id col        grouping_var
#>    <dbl> <date>            <int>
#>  1     1 2022-02-08            1
#>  2     1 2022-02-08            1
#>  3     1 2022-02-08            1
#>  4     1 2022-02-08            1
#>  5     1 2022-03-21            2
#>  6     1 2022-03-21            2
#>  7     1 2022-03-21            2
#>  8     1 2022-03-21            2
#>  9     2 2022-02-08            1
#> 10     2 2022-02-08            1
#> 11     2 2022-02-08            1

Answer 2

在ave中使用cumsum(duplicated(.)) 。

transform(df, grouping_var2=ave(as.numeric(col), id, 
                                FUN=\(x) cumsum(!duplicated(sort(x)))[order(x)]))
#    id        col grouping_var
# 1   1 2022-02-08            1
# 2   1 2022-02-08            1
# 3   1 2022-02-08            1
# 4   1 2022-02-08            1
# 5   1 2022-03-21            2
# 6   1 2022-03-21            2
# 7   1 2022-03-21            2
# 8   1 2022-03-21            2
# 9   2 2022-02-08            1
# 10  2 2022-02-08            1
# 11  2 2022-02-08            1

或者按照@GKi建议使用findInterval ：

transform(df, grouping_var2=ave(as.numeric(col), id, 
                                FUN=\(x) findInterval(x, sort(unique(x)))))

对于dplyr只需使用mutate而不是transform 。

Answer 3

您可以在dplyr中使用dense_rank() ，它是match(x, sort(unique(x)))的包装器。

df %>%
  group_by(id) %>%
  mutate(grp_var = dense_rank(col))

# A tibble: 11 x 3
# Groups:   id [2]
      id col        grouping_var
   <dbl> <date>            <int>
 1     1 2022-02-08            1
 2     1 2022-02-08            1
 3     1 2022-02-08            1
 4     1 2022-02-08            1
 5     1 2022-03-21            2
 6     1 2022-03-21            2
 7     1 2022-03-21            2
 8     1 2022-03-21            2
 9     2 2022-02-08            1
10     2 2022-02-08            1
11     2 2022-02-08            1