按唯一元素对值进行分组

Question

我有一个看起来像这样的矢量：

a <- c("A110","A110","A110","B220","B220","C330","D440","D440","D440","D440","D440","D440","E550")

我想创建另一个基于a的向量，它应该是：

b <- c(1,1,1,2,2,2,3,4,4,4,4,4,4,5)

换句话说，b应该为a的每个不同元素赋值（从1开始）。

Answer 1

首先，（我假设）这是你的载体

a <- c("A110","A110","A110","B220","B220","C330","D440","D440","D440","D440","D440","D440","E550")

根据可能的解决方案，这里很少（现在找不到好的傻瓜）

as.integer(factor(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或者

cumsum(!duplicated(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或者

match(a, unique(a))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

rle同样适用于特定方案

with(rle(a), rep(seq_along(values), lengths))
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

或（实际上是相同的）

data.table::rleid(a)
# [1] 1 1 1 2 2 3 4 4 4 4 4 4 5

虽然被告知所有4种解决方案在不同场景中都有其独特的行为，但请考虑以下向量

a <- c("B110","B110","B110","A220","A220","C330","D440","D440","B110","B110","E550")

4种不同解决方案的结果：

1

as.integer(factor(a))
# [1] 2 2 2 1 1 3 4 4 2 2 5

factor解决方案以2开头，因为a未排序，因此第一个值在integer函数中获得更高的factor表示。因此，如果您的矢量已排序，此解决方案仅有效，因此请勿以其他方式使用它。

2

cumsum(!duplicated(a))
# [1] 1 1 1 2 2 3 4 4 4 4 5

这个cumsum/duplicated解决方案因为"B110"已经出现在开头而感到困惑，因此将"D440","D440","B110","B110"分组到同一组中。

3

match(a, unique(a))
# [1] 1 1 1 2 2 3 4 4 1 1 5

此match/unique解决方案最后添加了一个，因为它对"B110"敏感，显示在多个序列中（因为unique），因此将它们全部归为同一组无论它们出现在哪里

4

with(rle(a), rep(seq_along(values), lengths))
# [1] 1 1 1 2 2 3 4 4 5 5 6

该解决方案仅关注序列，因此"B110"的不同序列被分组到不同的组