如何根據R中的記錄標識符分配唯一ID？

Question

我的使命：根據電影數據統計預算和收入數字。

我正在讀取文本文件中的數據，該文件基本上采用以下格式：

MV,Movie 1 Name
BT,Budget for Movie 1
GR,Gross Revenue Movie 1

但數據可能包含也可能不包含BT或GR，或者有時包含多個數據，例如：

MV,Movie1
BT,1000000
GR,500000 (week1)
GR,500000 (week2)
GR,500000 (week3)
GR,500000 (week1)
MV,Movie2
BT,10000
GR,50000 (week1)
GR,500000 (week2)
MV,Movie3
MV,Movie4
BT,1000000

我想創建的是一個數據框，如下所示：

mID  recType  recData
  1  MV       Movie1
  1  BT       1000000
  1  GR       500000 (week1)
  1  GR       500000 (week2)
  1  GR       500000 (week3)
  1  GR       500000 (week1)
  2  MV       Movie2
  2  BT       10000
  2  GR       50000 (week1)
  2  GR       500000 (week2)
  3  MV       Movie3
  4  MV       Movie4
  4  BT       1000000

我的程序員說只是用java或.NET編寫一個數據清理應用程序來清理數據，然后再把它帶入R，但我想看看互聯網的集體智慧是否可以幫助我。

為超過90K的電影編寫一個循環，在處理過程中非常討厭。

注意：最終目標是使用此數據作為電影盈利能力分類的主要來源，並將其與外部文件，演員和其他數據交叉引用。

（IMDB需要更好的數據設置）

謝謝！

Answer 1

嘗試

df1$mID <- cumsum(grepl('^Movie', df1$recData))
#df1$mID <- cumsum(df1$recType=='MV')
df1[,c(3,1:2)]
#   mID recType        recData
#1    1      MV         Movie1
#2    1      BT        1000000
#3    1      GR 500000 (week1)
#4    1      GR 500000 (week2)
#5    1      GR 500000 (week3)
#6    1      GR 500000 (week1)
#7    2      MV         Movie2
#8    2      BT          10000
#9    2      GR  50000 (week1)
#10   2      GR 500000 (week2)
#11   3      MV         Movie3
#12   4      MV         Movie4
#13   4      BT        1000000

或者使用data.table （會更快）

library(data.table)
setDT(df1)[, mID:= cumsum(recType=='MV')][]