R: tek bir sütundaki değerlerin birbirini izleyen yinelemelerini sayma

Question

Geçerli satırdaki değer bir önceki satırdan farklı olduğunda yeniden başlayan bir yineleme değeri gibi, her bir eşit değer aralığında bir sıralı sayı oluşturmak istiyorum.

Lütfen giriş ve beklenen çıktıya bir örnek aşağıda bulabilirsiniz. Cumulative sequence of occurrences of values:

dataset <- data.frame(input = c("a","b","b","a","a","c","a","a","a","a","b","c")) 
dataset$counter <- c(1,1,2,1,2,1,1,2,3,4,1,1) 
dataset 

# input counter 
# 1  a  1 
# 2  b  1 
# 3  b  2 
# 4  a  1 
# 5  a  2 
# 6  c  1 
# 7  a  1 
# 8  a  2 
# 9  a  3 
# 10  a  4 
# 11  b  1 
# 12  c  1 

---

Sorum bu bir çok benzer.

Answer 1

Sen sequence ve rle kullanmak gerekir:

> sequence(rle(as.character(dataset$input))$lengths) 
[1] 1 1 2 1 2 1 1 2 3 4 1 1 

Answer 2

aşağıda yazılı fonksiyonun bir verimli ve daha anlaşılır sürüm rleid denilen data.table pakette artık kullanılabilir. Bu kullanarak, bu sadece:

setDT(dataset)[, counter := seq_len(.N), by=rleid(input)] 

kullanımı ve örnekler üzerinde daha fazla bilgi için ?rleid bakınız. Bu yazıyı güncelleme önerisi için @Henrik teşekkürler.

---

rle kesinlikle (Ananda en @ +1) bunu yapmak için en uygun yoldur. Ancak daha büyük veriler üzerinde daha iyi (hız açısından) yapılabilir. aşağıdaki şekilde data.table den (değil ihraç) duplist ve vecseq işlevleri kullanabilirsiniz:

require(data.table) 
arun <- function(y) { 
    w = data.table:::duplist(list(y)) 
    w = c(diff(w), length(y)-tail(w,1L)+1L) 
    data.table:::vecseq(rep(1L, length(w)), w, length(y)) 
} 

x <- c("a","b","b","a","a","c","a","a","a","a","b","c") 
arun(x) 
# [1] 1 1 2 1 2 1 1 2 3 4 1 1 

---

Kıyaslama büyük verilere:

set.seed(1) 
x <- sample(letters, 1e6, TRUE) 
# rle solution 
ananda <- function(y) { 
    sequence(rle(y)$lengths) 
} 

require(microbenchmark) 
microbenchmark(a1 <- arun(x), a2<-ananda(x), times=100) 
Unit: milliseconds 
      expr  min  lq median  uq  max neval 
    a1 <- arun(x) 123.2827 132.6777 163.3844 185.439 563.5825 100 
a2 <- ananda(x) 1382.1752 1899.2517 2066.4185 2247.233 3764.0040 100 

identical(a1, a2) # [1] TRUE