在 R 中按集群分配 id

Question

我有一個這樣的向量

var1=c("A","A","B"," "," ","C","A","","A")

如何創建指示它們是否相鄰的 id 向量。 喜歡

id1=c(1,1,1,0,0,2,2,0,3)

所以我想為每個集群分配 id。 在 R 中有什么方法可以做到這一點？

Answer 1

這是rle一種選擇。 我們使用trimws刪除前導/滯后空間，根據它是否為非空字符串轉換為邏輯向量（ nzchar ）並獲得運行長度編碼（ rle ）。 將 'rl' list中為 TRUE 的 'values' 向量更改為序列並復制具有lengths的values

rl <- rle(nzchar(trimws(var1)))
rl$values[rl$values] <- seq_along(rl$values[rl$values])
rep(rl$values, rl$lengths)
#[1] 1 1 1 0 0 2 2 0 3

數據

var1=c("A","A","B"," "," ","C","A","","A")

Answer 2

我們可以對var1的diff進行cumsum以生成一個表示包含空字符串的集群的序列，然后用0替換空字符串位置：

replace(cumsum(c(T, diff(var1 != "") == 1)), var1 == "", 0) 

給出：

# [1] 1 1 1 0 0 2 2 0 3

為了：

var1=c("A","A","B","","","C","A","","A")

這假設var1不以空字符串開頭，為了將其概括為這種情況，我們可以檢查var1的第一個元素並將條件用作初始值：

replace(cumsum(c(var1[1] != "", diff(var1 != "") == 1)), var1 == "", 0)

給出：

# [1] 0 1 1 1 0 0 2 2 0 3

為了：

var1=c("", "A","A","B","","","C","A","","A")