使用标识符编码独特的观察

Question

我有一个数据框，其中一列由字符串组成，这是旅程的唯一标识符。可重现的数据框：

df <- data.frame(tours = c("ansc123123", "ansc123123", "ansc123123", "baa3999", "baa3999", "baa3999"),
                 order = rep(c(1, 2, 3), 2))

现在我的真实数据要大得多，有更多的观察结果和唯一标识符，但我希望在格式上有一个输出，就像你做这样的事情一样（但不是手动编码），所以旅程有相同的

tours 

价值被编码为相同的旅程。

df$journey <- c(1, 1, 1, 2, 2, 2)

Answer 1

您可以将其转换为

factor

.

df$journey <- as.integer(factor(df$tours))

df$journey
#[1] 1 1 1 2 2 2

或使用

match

和

unique

。

match(df$tours, unique(df$tours))

也可以使用

factor

并使用

unclass

获取整数值。这里保存了

levels

，允许返回到原始值。

df$journey <- unclass(factor(df$tours))

df$journey
#[1] 1 1 1 2 2 2
#attr(,"levels")
#[1] "ansc123123" "baa3999"   

levels(df$journey)[df$journey]
#[1] "ansc123123" "ansc123123" "ansc123123" "baa3999"    "baa3999"   
#[6] "baa3999"   

Answer 2

dplyr

方法可以是将

mutate

与

cur_group_id()

和

.by

命令一起使用：

df %>% 
  mutate(journey = cur_group_id(), .by = tours)

或者旧版本的

dplyr

：

df %>% 
  group_by(tours) %>%
  mutate(journey = group_indices())

输出：

#        tours order journey
# 1 ansc123123     1       1
# 2 ansc123123     2       1
# 3 ansc123123     3       1
# 4    baa3999     1       2
# 5    baa3999     2       2
# 6    baa3999     3       2

Answer 3

library(data.table)

setDT(df)

df[, journey := .GRP, tours]

Answer 4

与

dplyr 1.1.0

https://dplyr.tidyverse.org/reference/group_data.html

我们可以使用：

group_indices()

返回一个与 .data 长度相同的整数向量，它给出了每一行所属的组。

library(dplyr)
df %>% 
  group_by(tours) %>% 
  group_indices()

[1] 1 1 1 2 2 2