¿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))