r - 第n组标签(仅计算新组的毕业生)

Question

比如说，我有一个 df :

df <- data.table(user = c('a', 'a', 'b')
                 ); df

user
 a
 a
 b

我正在创建一个新专栏，group_id ，位于user级别:

user group_id
 a        1
 a        1
 b        2

有没有一种快速/可扩展的方法？我可以通过连接来做到这一点(并且了解 data.table 使用连接速度很快)，但想知道是否有更简单、更快的方法。 假设我有大约 1e8 行，并且该方法将应用于分组中的多个列(在所提供的示例中只有 1 个，即 user )

我已经开始:

df[, step_1 := as.integer(duplicated(df))]; df

user step_1
 a      0
 a      1
 b      0

但不知道下一步是什么，也不确定这是否是正确的方向。谢谢。

Answer 1

data.table的特殊符号 .GRP 也适用于多个分组列

df[, group_id := .GRP, by = user][]

user group_id
   a        1
   a        1
   b        2

或者，可以使用 rleid() 函数，但这要求数据集按完全相同的列排序:

df[order(user), group_id := rleid(user)][] 

   user group_id
1:    a        1
2:    a        1
3:    b        2