¿Hay un dplyr equivalente a data.table:: rleid?

run-length-encoding

Question

data.table ofrece una buena función de conveniencia, rleid para la codificación de longitud de ejecución:

library(data.table)
DT = data.table(grp=rep(c("A", "B", "C", "A", "B"), c(2, 2, 3, 1, 2)), value=1:10)
rleid(DT$grp)
# [1] 1 1 2 2 3 3 3 4 5 5

Puedo imitar esto en la base R con:

df <- data.frame(DT)
rep(seq_along(rle(df$grp)$values), times = rle(df$grp)$lengths)
# [1] 1 1 2 2 3 3 3 4 5 5

¿Alguien sabe de un equivalente dplyr (?) O es la "mejor" forma de crear el comportamiento dplyr con dplyr es hacer algo como lo siguiente

library(dplyr)
my_rleid = rep(seq_along(rle(df$grp)$values), times = rle(df$grp)$lengths)
df %>%
mutate(rleid = my_rleid)

Answer 1

Puede hacerlo utilizando la función de lag de dplyr .

DT <-
DT %>%
mutate(rleid = (grp != lag(grp, 1, default = "asdf"))) %>%
mutate(rleid = cumsum(rleid))

da

> DT
grp value rleid
1: A 1 1
2: A 2 1
3: B 3 2
4: B 4 2
5: C 5 3
6: C 6 3
7: C 7 3
8: A 8 4
9: B 9 5
10: B 10 5

Answer 2

Si desea usar solo base R y dplyr , la mejor manera es envolver su propia versión de una o dos líneas de rleid() como una función y luego aplicarla siempre que la necesite.

library(dplyr)
myrleid <- function(x) {
x <- rle(x)$lengths
rep(seq_along(x), times=x)
}
## Try it out
DT <- DT %>% mutate(rlid = myrleid(grp))
DT
# grp value rlid
# 1: A 1 1
# 2: A 2 1
# 3: B 3 2
# 4: B 4 2
# 5: C 5 3
# 6: C 6 3
# 7: C 7 3
# 8: A 8 4
# 9: B 9 5
#10: B 10 5

Answer 3

Simplemente puede hacer (cuando tiene tanto data.table como dplyr cargados):

DT <- DT %>% mutate(rlid = rleid(grp))

esto da:

> DT
grp value rlid
1: A 1 1
2: A 2 1
3: B 3 2
4: B 4 2
5: C 5 3
6: C 6 3
7: C 7 3
8: A 8 4
9: B 9 5
10: B 10 5

Cuando no desee cargar data.table separado, también puede usar (como lo menciona @DavidArenburg en los comentarios):

DT <- DT %>% mutate(rlid = data.table::rleid(grp))

Y como dijo @RichardScriven en su comentario, puedes copiarlo / robarlo:

myrleid <- data.table::rleid

Answer 4

Una simplificación (que no implica un paquete adicional) del enfoque utilizado por el OP podría ser:

DT %>%
mutate(rleid = with(rle(grp), rep(seq_along(lengths), lengths)))
grp value rleid
1 A 1 1
2 A 2 1
3 B 3 2
4 B 4 2
5 C 5 3
6 C 6 3
7 C 7 3
8 A 8 4
9 B 9 5
10 B 10 5

O:

DT %>%
mutate(rleid = rep(seq(ls <- rle(grp)$lengths), ls))