将索引(数字ID)列添加到大数据框

Question

我有一个读取大型csv文件到数据框.csv文件中的数据来自表示用户信息的多个网站.例如,这里是数据框的结构.

user_id, number_of_logins, number_of_images, web
001, 34, 3, aa.com
002, 4, 4, aa.com
034, 3, 3, aa.com
001, 12, 4, bb.com
002, 1, 3, bb.com
034, 2, 2, cc.com

正如您所看到的,一旦我将数据带入数据框,user_id就不再是唯一的ID,这会导致所有分析.我试图添加另一个列之前的user_id类似的东西,"generated_uid"并且几乎使用该data.frame列填充的索引.什么是实现这一目标的最佳方式.

Answer 1

您可以非常轻松地添加一系列数字

data$ID <- seq.int(nrow(data))

当然,它没有任何实际意义,因此它可能不适用于分析.

如果您已经在使用library(tidyverse),可以使用

data <- tibble::rowid_to_column(data, "ID")

Answer 2

使用替代dplyr包:

library("dplyr") # or library("tidyverse")

df <- df %>% mutate(id = row_number())

Answer 3

如果你data.frame是a data.table,你可以使用特殊符号.I:

data[, ID := .I]

Answer 4

好吧,如果我理解正确的话.您可以执行以下操作.

为了展示它,我首先data.frame用你的例子创建一个

df <- 
scan(what = character(), sep = ",", text =
"001, 34, 3, aa.com
002, 4, 4, aa.com
034, 3, 3, aa.com
001, 12, 4, bb.com
002, 1, 3, bb.com
034, 2, 2, cc.com")

df <- as.data.frame(matrix(df, 6, 4, byrow = TRUE))
colnames(df) <- c("user_id", "number_of_logins", "number_of_images", "web")  

然后,您可以运行以下行之一来添加列(在末尾data.frame),并将行号作为生成的用户ID.第二行只是添加前导零.

df$generated_uid  <- 1:nrow(df)
df$generated_uid2 <- sprintf("%03d", 1:nrow(df))

如果您绝对希望生成的用户标识成为第一列,则可以像这样添加列:

df <- cbind("generated_uid3" = sprintf("%03d", 1:nrow(df)), df)

或者只是重置列.