Attribution identifiant unique aux lignes dupliquées

Question

Si j'ai une trame de données qui ressemble à ceci:

x y 
13 a 
14 b 
15 c 
15 c 
14 b 

et je voulais que chaque groupe de lignes correspondant à un identifiant unique, comme ceci:

x y id 
13 a 1 
14 b 2 
15 c 3 
15 c 3 
14 b 2 

Y a-t-il un moyen facile de le faire?

Merci

Answer 1

C'est la première chose que je pensais:

Faire une nouvelle variable qui combine simplement les deux colonnes en collant leurs valeurs à cordes:

a<-paste0(z$x,z$y) #z is your data.frame 

Le faire ceci comme factoriser et le combiner à votre base de données:

cbind(z,id=factor(a,labels=1:length(unique(a)))) 

EDIT: @f Lodel est préoccupé par l'utilisation paste0, il est préférable d'utiliser paste ordinaire, ou l'interaction:

a<-interaction(z,drop=TRUE) 
cbind(z,id=factor(a,labels=1:length(unique(a)))) 

Cela suppose que vous voulez séparer x=ab, y=c et x=a, y=bc. Si ce n'est pas le cas, utilisez paste0.

Answer 2

Je suis un peu préoccupé par l'approche paste0. Si vos colonnes contenaient des données plus complexes, vous pourriez obtenir des résultats surprenants, par ex. Imaginez:

x y 
ab c 
a bc 

Une solution consiste à remplacer paste0(...) avec paste(..., sep = "@"). Même ainsi, vous ne pouvez pas trouver un sep assez général pour qu'il fonctionne avec n'importe quel type de données car il y a toujours une probabilité non nulle que sep sera contenue dans un type de données.

Une approche plus robuste consiste à utiliser une approche de division/transformation/combinaison. Vous pouvez certainement le faire avec le paquet base mais plyr rend un peu plus facile:

library(plyr) 
.idx <- 0L 
ddply(df, colnames(df), transform, id = (.idx <<- .idx + 1L))  

Si cela est trop lent, je recommande une approche data.table, tel que proposé ici: data.table "key indices" or "group counter"