如何在R中为重复的列值分配唯一值（例如递增数字）？

Question

我遇到了以下问题：

开始和结束的值在每隔一行中都会重复出现。我想用一个唯一的数字来标记它们，每次达到一个新的开始值时，该数字都会增加。

我还希望在 obj 列为空且不在开始和结束之间的行中，ID列保持为空。

非常感谢您提前的帮助！

- Rudolf Nyitray

Answer 1

可能有更简单的方式，但您可以使用cumsum()函数进行计算并添加一些逻辑。

library(dplyr)
library(tidyr)

x <- c("start", "end", NA)
df <- tibble(obj = x[c(1, 2, 1, 3, 2, 3, 3, 1, 3, 2, 1, 3, 2, 3, 3, 1, 3, 2)])

df %>% 
  mutate(ID = cumsum(replace_na(obj == "start", 0)),
         ID = if_else(ID == cumsum(replace_na(obj == "end", 0)) & is.na(obj), NA_integer_, ID))

# A tibble: 18 x 2
   obj      ID
   <chr> <int>
 1 start     1
 2 end       1
 3 start     2
 4 NA        2
 5 end       2
 6 NA       NA
 7 NA       NA
 8 start     3
 9 NA        3
10 end       3
11 start     4
12 NA        4
13 end       4
14 NA       NA
15 NA       NA
16 start     5
17 NA        5
18 end       5

- user10917479

---

谢谢，一开始我很困惑，后来发现我需要在我的大数据框中进行拆分，然后它就可以工作了。太棒了！ :) - Rudolf Nyitray

Answer 2

使用rle和一些cumsum来实现。

rl <- rle(dat$obj)
nid <- rl$values == '' & cumsum(rl$values == 'start') == cumsum(rl$values == 'end')
rl$values <- cumsum(rl$values == 'start')
rl$values[nid] <- ''

transform(dat, ID=rep(rl$values, rl$lengths))
#      obj ID
# 1  start  1
# 2    end  1
# 3  start  2
# 4         2
# 5    end  2
# 6          
# 7          
# 8  start  3
# 9         3
# 10   end  3
# 11 start  4
# 12        4
# 13   end  4
# 14         
# 15         
# 16 start  5
# 17        5
# 18   end  5  

---

数据：

dat <- structure(list(obj = c("start", "end", "start", "", "end", "", 
"", "start", "", "end", "start", "", "end", "", "", "start", 
"", "end")), row.names = c(NA, -18L), class = "data.frame")

- jay.sf