Ich möchte eine eindeutige ID in R erstellen, basierend auf zwei Spalten mit Längen- und Breitenangaben, sodass doppelte Positionen dieselbe Cluster-ID haben.ID-Spalte nach Gruppe hinzufügen
Zum Beispiel:
LAT LONG Cluster_ID
13.5330 -15.4180 1
13.5330 -15.4180 1
13.5330 -15.4180 1
13.5330 -15.4180 1
13.5330 -15.4170 2
13.5330 -15.4170 2
13.5330 -15.4170 2
13.5340 -14.9350 3
13.5340 -14.9350 3
13.5340 -15.9170 4
13.3670 -14.6190 5
Hier ist eine Möglichkeit interaction verwenden.
d <- read.table(text='LAT LONG
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4170
13.5330 -15.4170
13.5330 -15.4170
13.5340 -14.9350
13.5340 -14.9350
13.5340 -15.9170
13.3670 -14.6190', header=TRUE)
d <- transform(d, Cluster_ID = as.numeric(interaction(LAT, LONG, drop=TRUE)))
# LAT LONG Cluster_ID
# 1 13.533 -15.418 2
# 2 13.533 -15.418 2
# 3 13.533 -15.418 2
# 4 13.533 -15.418 2
# 5 13.533 -15.417 3
# 6 13.533 -15.417 3
# 7 13.533 -15.417 3
# 8 13.534 -14.935 4
# 9 13.534 -14.935 4
# 10 13.534 -15.917 1
# 11 13.367 -14.619 5
EDIT: Incorporated @ Spacedman Vorschlag drop=TRUE-interaction zu liefern.
Die Daten:
dat <- read.table(text="
LAT LONG
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4170
13.5330 -15.4170
13.5330 -15.4170
13.5340 -14.9350
13.5340 -14.9350
13.5340 -15.9170
13.3670 -14.6190", header = TRUE)
Diese Befehle erzeugen einen ID-Variable mit 1 Ausgang:
comb <- with(dat, paste(LAT, LONG))
within(dat, Cluster_ID <- match(comb, unique(comb)))
Der Ausgang:
LAT LONG Cluster_ID
1 13.533 -15.418 1
2 13.533 -15.418 1
3 13.533 -15.418 1
4 13.533 -15.418 1
5 13.533 -15.417 2
6 13.533 -15.417 2
7 13.533 -15.417 2
8 13.534 -14.935 3
9 13.534 -14.935 3
10 13.534 -15.917 4
11 13.367 -14.619 5
.GRP zu data.table 1.8.3 hinzugefügt wurde, damit Sie folgendes tun können:
# Your data, as a data.frame
dat <- read.table(text='LAT LONG
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4170
13.5330 -15.4170
13.5330 -15.4170
13.5340 -14.9350
13.5340 -14.9350
13.5340 -15.9170
13.3670 -14.6190', header=TRUE)
# Convert it to a data.table
# with keys as the combination of LAT and LONG
library(data.table)
DT <- data.table(dat, key="LAT,LONG")
DT[, Cluster_ID:=.GRP, by=key(DT)]
DT
# LAT LONG Cluster_ID
# 1: 13.367 -14.619 1
# 2: 13.533 -15.418 2
# 3: 13.533 -15.418 2
# 4: 13.533 -15.418 2
# 5: 13.533 -15.418 2
# 6: 13.533 -15.417 3
# 7: 13.533 -15.417 3
# 8: 13.533 -15.417 3
# 9: 13.534 -15.917 4
# 10: 13.534 -14.935 5
# 11: 13.534 -14.935 5
Vielen Dank für die Antworten. Sie arbeiten perfekt und haben mir viel Zeit erspart. Nachdem ich eine eindeutige ID erstellt habe, möchte ich als nächstes einige Felder duplizieren und NAs für andere erstellen. Meine Daten sind in Jahren und nicht alle Cluster haben Daten für alle Jahre, also möchte ich zuerst die fehlenden Jahre (1990: 2010) für alle IDs füllen. dann fülle den Rest der Felder, in denen ich die Jahre hinzugefügt habe, und erstelle NAs für andere, wo ich vorhersagen möchte. – jonestats
Vergleichen Performance-Lösungen vorgeschlagen:
df <- read.table(text='LAT LONG
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4180
13.5330 -15.4170
13.5330 -15.4170
13.5330 -15.4170
13.5340 -14.9350
13.5340 -14.9350
13.5340 -15.9170
13.3670 -14.6190', header=TRUE)
f1 <- function(df, cols) {
df$id <- as.numeric(interaction(df[cols], drop = TRUE))
df
}
f2 <- function(df, cols) {
comb <- do.call(paste, c(as.list(df[cols]), sep = "."))
df$id <- match(comb, unique(comb))
df
}
f2(df, 1:2)
#> LAT LONG id
#> 1 13.533 -15.418 1
#> 2 13.533 -15.418 1
#> 3 13.533 -15.418 1
#> 4 13.533 -15.418 1
#> 5 13.533 -15.417 2
#> 6 13.533 -15.417 2
#> 7 13.533 -15.417 2
#> 8 13.534 -14.935 3
#> 9 13.534 -14.935 3
#> 10 13.534 -15.917 4
#> 11 13.367 -14.619 5
microbenchmark::microbenchmark(f1(df, 1:2), f2(df, 1:2))
#> Unit: microseconds
#> expr min lq mean median uq max neval cld
#> f1(df, 1:2) 486.400 510.422 575.26659 573.3945 594.1165 1622.243 100 b
#> f2(df, 1:2) 72.952 79.208 86.09265 83.5275 89.7195 159.740 100 a
'Tropfen = true' zu' interaction' Anruf Sie Nummern von 1 bis 5 eher geben Hinzufügen als die zufällige Suche Codes, die Sie hier haben. – Spacedman
ok, ich habe eine weitere Frage übrigens. Meine Daten sollten Jahre für 1990: 2010 haben, aber für die meisten Cluster fehlen einige Jahre. Ich möchte R suchen, die fehlen, dann fülle sie ein. Außerdem möchte ich auch NAs für die Antwortvariable erstellen und die anderen Variablen in den neuen Fällen duplizieren, die erstellt wurden. helfen Sie bitte, wenn Sie können. Danke, Jones – jonestats
@ user1835888 Kommentare sind nicht der beste Ort, um zu fragen. Stellen Sie eine andere Frage mit einem reproduzierbaren Beispiel, das zeigt, was Sie versucht haben, und jemand wird Ihnen helfen. –