我希望在每次運行時都創建一個相等值的序號，例如出現次數計數器，一旦當前行中的值與上一行不同，該序號就會重新開始。請在下面找到輸入和預期輸出的示例。dataset <- data.frame(input = c("a","b","b","a","a","c","a","a","a","a","b","c"))dataset$counter <- c(1,1,2,1,2,1,1,2,3,4,1,1)dataset# input counter# 1 a 1# 2 b 1# 3 b 2# 4 a 1# 5 a 2# 6 c 1# 7 a 1# 8 a 2# 9 a 3# 10 a 4# 11 b 1# 12 c 1我的問題與這一問題非常相似：值出現的累積順序。
3 回答
揚帆大魚
TA貢獻1799條經驗 獲得超9個贊
您需要使用sequence和rle：
> sequence(rle(as.character(dataset$input))$lengths)
[1] 1 1 2 1 2 1 1 2 3 4 1 1
不負相思意
TA貢獻1777條經驗 獲得超10個贊
而從v1.9.8（新聞項目16），采用rowid與rleid
dataset[, counter := rowid(rleid(input))]
計時碼：
set.seed(1L)
library(data.table)
DT <- data.table(input=sample(letters, 1e6, TRUE))
DT1 <- copy(DT)
bench::mark(DT[, counter := seq_len(.N), by=rleid(input)],
DT1[, counter := rowid(rleid(input))])
時間：
expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time
<bch:expr> <bch:t> <bch:t> <dbl> <bch:byt> <dbl> <int> <dbl> <bch:tm>
1 DT[, `:=`(counter, seq_len(.N)), by = rleid(input)] 613.8ms 613.8ms 1.63 18.8MB 8.15 1 5 614ms
2 DT1[, `:=`(counter, rowid(rleid(input)))] 60.5ms 71.4ms 12.7 26.4MB 14.5 7 8 553ms
現在可以在名為的data.table程序包中獲得下面編寫的函數的高效且更直接的版本rleid。使用它，就是：
setDT(dataset)[, counter := seq_len(.N), by=rleid(input)]
有關?rleid更多用法和示例，請參見。感謝@Henrik提出的更新此帖子的建議。
rle絕對是最方便的方法（+1 @Ananda）。但是，在更大的數據上，可以做得更好（就速度而言）。您可以按以下方式使用duplist和vecseq函數（未導出）data.table：
require(data.table)
arun <- function(y) {
w = data.table:::duplist(list(y))
w = c(diff(w), length(y)-tail(w,1L)+1L)
data.table:::vecseq(rep(1L, length(w)), w, length(y))
}
x <- c("a","b","b","a","a","c","a","a","a","a","b","c")
arun(x)
# [1] 1 1 2 1 2 1 1 2 3 4 1 1
大數據基準測試：
set.seed(1)
x <- sample(letters, 1e6, TRUE)
# rle solution
ananda <- function(y) {
sequence(rle(y)$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
蝴蝶不菲
TA貢獻1810條經驗 獲得超4個贊
包亞軍有專門的解決方案來計算需要什么。streak_run是最快的解決方案，接受向量作為輸入。
library(microbenchmark); library(runner)
x <- sample(letters, 1e6, TRUE)
ananda <- function(y) sequence(rle(y)$lengths)
microbenchmark( a2<-ananda(x), runner <- streak_run(x), times=100)
#Unit: milliseconds
# expr min lq mean median uq max neval
# a2 <- ananda(x) 580.744 718.117 1059.676 944.073 1399.649 1699.293 10
#run <- streak_run(x) 37.682 39.568 42.277 40.591 43.947 52.917 10
identical(a2, run)
#[1] TRUE
- 3 回答
- 0 關注
- 743 瀏覽
添加回答
舉報
0/150
提交
取消