基于 R 中的字段的运行计数

Posted 2023-02-16

【中文标题】基于 R 中的字段的运行计数

【英文标题】：Running count based on field in R

【发布时间】：2015-09-24 10:21:01

【问题描述】：

我有一个这种格式的数据集

User       
1 
2
3
2
3
1  
1      

现在我想添加一个计数列来计算用户的出现次数。我想要以下格式的输出。

User    Count
1       1
2       1 
3       1
2       2
3       2
1       2
1       3

我的解决方案很少，但所有这些解决方案都有些慢。

Running count variable in R

我的 data.frame 现在有 100,000 行，很快它可能会增加到 100 万行。我需要一个也很快的解决方案。

【参考方案1】：

使用ave 和seq.int 相当容易：

> ave(User,User, FUN= seq.int)
[1] 1 1 1 2 2 2 3

这是一种常见的策略，通常在项目彼此相邻时使用。第二个参数是分组变量，在这种情况下，第一个参数实际上是一种虚拟参数，因为它唯一的贡献是一个长度，ave 不需要为确定的值具有相邻行在分组内。

【参考方案2】：

您可以使用我的“splitstackshape”包中的getanID：

library(splitstackshape)
getanID(mydf, "User")
##    User .id
## 1:    1   1
## 2:    2   1
## 3:    3   1
## 4:    2   2
## 5:    3   2
## 6:    1   2
## 7:    1   3

这本质上是一种使用“data.table”的方法，如下所示：

as.data.table(mydf)[, count := seq(.N), by = "User"][]

【参考方案3】：

一个使用dplyr的选项

 library(dplyr)
 df1 %>%
      group_by(User) %>%
      mutate(Count=row_number())
 #    User Count
 #1    1     1
 #2    2     1
 #3    3     1
 #4    2     2
 #5    3     2
 #6    1     2
 #7    1     3

使用sqldf

library(sqldf)
sqldf('select a.*, 
           count(*) as Count
           from df1 a, df1 b
           where a.User = b.User and b.rowid <= a.rowid
           group by a.rowid')
#   User Count
#1    1     1
#2    2     1
#3    3     1
#4    2     2
#5    3     2
#6    1     2
#7    1     3