R：在单个列中连续出现值的计数

Question

我希望在每个等值运行中创建一个序列号，例如出现次数，一旦当前行中的值与前一行不同，就会重新开始。

请在下面找到输入和预期输出的示例。

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 

---

我的问题是非常类似于此：Cumulative sequence of occurrences of values。

Answer 1

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 

Answer 2

下面写的函数的效率和更简单的版本可现在data.table包，叫rleid。使用它，它只是：

setDT(dataset)[, counter := seq_len(.N), by=rleid(input)] 

有关更多的用法和示例请参阅?rleid。感谢@Henrik提供的更新此帖的建议。

---

rle绝对是最方便的方法（+1 @ Ananda's）。但是对于更大的数据，人们可以做得更好（速度）。大数据

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 

---

标杆：您可以从data.table按如下方式使用duplist和vecseq功能（不出口）

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