在数据表中对n个或更多个观察值进行分组,而不会中断连续值的序列

Question

在R中,我有以下示例数据表:

library(data.table)
type <- c("d1", "d1", "d2", "d3", "d3", "d3", "d4", "d4", "d4", "d4", "d4", "d5", "d5", "d6", "d6")
DT <- data.table(type)
DT[, id := seq(.N), by = .(type)]

看起来像这样:

# Input:
#
    type id
 1:   d1  1
 2:   d1  2
 3:   d2  1
 4:   d3  1
 5:   d3  2
 6:   d3  3
 7:   d4  1
 8:   d4  2
 9:   d4  3
10:   d4  4
11:   d4  5
12:   d5  1
13:   d5  2
14:   d6  1
15:   d6  2

我想type通过添加一个包含每组五个唯一ID的新列,将列中的观察结果分组为五个块.但是,type列中相同值的序列不会分配给不同的组ID,这意味着块可能包含五个以上的元素.换句话说,我试图实现的是添加一个chunk带有计数器的列,一旦计算了五个元素并且type完成了列中连续相同值的最后一个序列,该列增加+1 .因此,所需的输出是:

# Desired output
    type id chunk
 1:   d1  1     1
 2:   d1  2     1
 3:   d2  1     1
 4:   d3  1     1
 5:   d3  2     1
 6:   d3  3     1
 7:   d4  1     2
 8:   d4  2     2
 9:   d4  3     2
10:   d4  4     2
11:   d4  5     2
12:   d5  1     3
13:   d5  2     3
14:   d6  1     3
15:   d6  2     3

欢迎任何建议和帮助,特别是矢量化解决方案.非常感谢你提前.

Answer 1

DT[, grp := .GRP, type]


i <- 1
DT[1:5, chunk := i] # set chunk = i for first five rows
DT[grp == last(grp[!is.na(chunk)]), chunk := i] # make chunk = i for any rows with same type

while((last.I <- DT[, last(.I[!is.na(chunk)])]) < nrow(DT)){
  i <- i + 1
  DT[last.I + seq(min(c(5, nrow(DT) - last.I))), chunk := i] # set chunk = i for next five rows
  DT[grp == last(grp[!is.na(chunk)]), chunk := i] # make chunk = i for any rows with same type
}
DT[, grp := NULL][]

#     type id chunk
#  1:   d1  1     1
#  2:   d1  2     1
#  3:   d2  1     1
#  4:   d3  1     1
#  5:   d3  2     1
#  6:   d3  3     1
#  7:   d4  1     2
#  8:   d4  2     2
#  9:   d4  3     2
# 10:   d4  4     2
# 11:   d4  5     2
# 12:   d5  1     3
# 13:   d5  2     3
# 14:   d6  1     3
# 15:   d6  2     3

@Frank 在评论中发布了一个更简单的解决方案

gDT = DT[, .N, by=type][, g := 1L]
s = first(gDT$N)
gg = 1L
for (ii in 1:nrow(gDT)){
  if (s >= 5){ 
    s = 0 
    gg = gg + 1L
    gDT[ii:.N, g := gg][]
  } 
  else s = s + gDT$N[ii]
}
DT[gDT, on=.(type), g := i.g]