Mit R, Wie kann ich sequentielle doppelte Werte in einer einzigen Spalte einer Datenrahmen Flagge

Question

Dies ist mein erster Beitrag und ich bin neu in der Programmierung und R.

Ich versuche, eine neue Spalte zu erstellen markiere oder sequenziell duplizierte Werte in einer separaten Spalte kennzeichnen.

df < - c (2,2,2,2,3,4,3,4,3,4,2,3,7,7,7))

die doppelte Funktion verwenden gibt die folgende:

data.frame (Wert = df, flag = dupliziert (df))

value flag 
1  2 FALSE 
2  2 TRUE 
3  2 TRUE 
4  2 TRUE 
5  3 FALSE 
6  4 FALSE 
7  3 TRUE 
8  4 TRUE 
9  3 TRUE 
10  4 TRUE 
11  2 TRUE 
12  3 TRUE 
13  7 FALSE 
14  7 TRUE 
15  7 TRUE 

Was würde Ich mag ist:

value flag 
1  2 TRUE 
2  2 TRUE 
3  2 TRUE 
4  2 TRUE 
5  3 FALSE 
6  4 FALSE 
7  3 FALSE 
8  4 FALSE 
9  3 FALSE 
10  4 FALSE 
11  2 FALSE 
12  3 FALSE 
13  7 TRUE  
14  7 TRUE  
15  7 TRUE  

Meine Datensatz hat ove r 2 Millionen Beobachtungen, also wäre die Lösung im Idealfall effizient.

Danke, John

Answer 1

rle erhalten Sie, was Sie nach dem mit rep

rl <- rle(df) 
rep(rl$lengths != 1 , times = rl$lengths) 
# [1] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE 
# [15] TRUE 

in Kombination sind Und ich glaube rle ziemlich effizient ist.

Timing (MBP Ende 2008) auf einem 2E6 Länge Vektor:

system.time({ rl <- rle(df) 
res <- rep(rl$lengths != 1 , times = rl$lengths) 
}) 
# user system elapsed 
# 0.449 0.106 0.559 

Answer 2

Da Sie mehr als 2 Millionen habe ich empfehlen Sie wirklich data.table zu wechseln. Hier meine Lösung mit rle ähnlich wie @Simon One, schreibe ich einfach seine data.table Version. Ich glaube das ist nicht immer offensichtlich, besonders für Anfänger (wie ich unter data.table).

library(data.table) 
set.seed(1234) 
dd <- sample(1:20, 2e+06, rep = TRUE) 
DT <- data.table(dd) 
system.time(DT[, `:=`(grp2, { 
          dd.rle = rle(dd) ## store rle to not call it twice 
          rep(dd.rle$lengths > 1, times = dd.rle$lengths) 
      })]) 
## user system elapsed 
## 1.17 0.06 1.28 
## user system elapsed <- rle twice 
## 1.69 0.11 1.86 

##  dd grp2 
## 1e+00: 3 FALSE 
## 2e+00: 13 TRUE 
## 3e+00: 13 TRUE 
## 4e+00: 13 TRUE 
## 5e+00: 18 FALSE 
## ---   
## 2e+06: 6 FALSE 
## 2e+06: 5 FALSE 
## 2e+06: 4 FALSE 
## 2e+06: 10 FALSE 
## 2e+06: 13 FALSE