R: Zähle aufeinanderfolgende Vorkommen von Werten in einer einzigen Spalte

Question

Ich möchte eine laufende Nummer innerhalb jedes Laufs von gleichen Werten, wie ein Zähler von Vorkommen, erstellen, der neu startet, sobald der Wert in der aktuellen Reihe von der vorherigen Reihe abweicht.

Nachfolgend finden Sie ein Beispiel für die Eingabe und die erwartete Ausgabe.

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 

---

Meine Frage ist sehr ähnlich wie diese: Cumulative sequence of occurrences of values.

Answer 1

Sie müssen sequence und rle verwenden:

> sequence(rle(as.character(dataset$input))$lengths) 
[1] 1 1 2 1 2 1 1 2 3 4 1 1 

Answer 2

Eine effiziente und einfachere Version der Funktion unten geschrieben sind ab sofort in data.table Paket, genannt rleid. Mit, dass, es ist nur:

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

?rleid Siehe für mehr Verbrauch und Beispiele. Danke an @Henrik für den Vorschlag, diesen Beitrag zu aktualisieren.

---

rle ist auf jeden Fall der bequemste Weg, es zu tun (+1 @ Ananda). Aber bei größeren Daten könnte man (in Bezug auf die Geschwindigkeit) besser sein. Sie können die duplist und vecseq Funktionen (nicht exportiert) aus data.table wie folgt verwenden:

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 

---

Benchmarking auf große Datenmengen:

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