根据列创建唯一ID，并根据R中生成的ID计算均值

Question

我正在尝试为每个事件/剧集生成唯一的 ID，然后想根据生成的 ID 计算列的平均值。

举个例子：

活动	瓦尔
A	3
A	5
A	1
乙	8
乙	2
C	1
C	3
A	2
A	5

首先， 我想创建一个 ID 列，如下所示，

活动	瓦尔	ID
A	3	A1
A	5	A1
A	1	A1
乙	8	B1
乙	2	B1
C	1	C1
C	3	C1
A	2	A2
A	5	A2

第二， 我想根据生成的 ID 列计算“Val”的平均值。

感谢您的帮助和建议。

我试过“cumsum”和“duplicated”功能，但往往会生成连续的 ID 号。

Answer 1

A

data.table

方法：

library(data.table)

DT <- data.table(
    Event = c("A", "A", "A", "B", "B", "C", "C", "A", "A"),
    Val = c(3L, 5L, 1L, 8L, 2L, 1L, 3L, 2L, 5L)
  )

DT[, ID := rleid(Event)][, ID := rleid(ID), by = Event][, ID := paste0(Event, ID)][, mean := mean(Val), by = ID]

---

> DT
   Event Val ID mean
1:     A   3 A1  3.0
2:     A   5 A1  3.0
3:     A   1 A1  3.0
4:     B   8 B1  5.0
5:     B   2 B1  5.0
6:     C   1 C1  2.0
7:     C   3 C1  2.0
8:     A   2 A2  3.5
9:     A   5 A2  3.5

Answer 2

受到@ismirsehregal 的解决方案的启发，这里有一个 dplyr 版本：

library(dplyr)

df %>% 
    group_by(Event) %>%
    mutate(ID = paste0(Event, cumsum(c(TRUE, diff(Val != lag(Val, default = first(Val))) != 0)))) %>%
    group_by(Event, ID) %>%
    mutate(mean = mean(Val)) %>%
    ungroup()

 Event   Val ID     mean
  <chr> <int> <chr> <dbl>
1 A         3 A1     3   
2 A         5 A2     3.25
3 A         1 A2     3.25
4 B         8 B1     8   
5 B         2 B2     2   
6 C         1 C1     1   
7 C         3 C2     3   
8 A         2 A2     3.25
9 A         5 A2     3.25

Answer 3

与@ismirsehregal 类似的方法，但带有

dplyr

。请注意，

consecutive_id

是在最新的 dplyr 更新

dplyr 1.1.0

中引入的。

library(dplyr) #1.1.0+ 
df %>% 
  mutate(id = consecutive_id(Event)) %>% 
  mutate(id = paste0(Event, consecutive_id(id)), .by = Event) %>%
  mutate(mean = mean(Val), .by = id)

  Event Val id mean
1     A   3 A1  3.0
2     A   5 A1  3.0
3     A   1 A1  3.0
4     B   8 B1  5.0
5     B   2 B1  5.0
6     C   1 C1  2.0
7     C   3 C1  2.0
8     A   2 A2  3.5
9     A   5 A2  3.5

Answer 4

这是一个

dplyr

解决方案，如果您想将平均值添加为新列而不是将行数减少到每组一个，请使用

mutate

。

library(dplyr)
  
df %>% 
  group_by(ID = paste0(Event, cumsum(lag(Event, default = first(Event)) != Event) + 1)) %>% 
  summarize(Val = mean(Val), .groups = "drop")