Voglio creare un ID univoco in R basato su due colonne di latitudine e longitudine in modo che le posizioni duplicate abbiano lo stesso ID cluster.Aggiungi colonna ID per gruppo
Ad esempio:
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
Ecco un modo utilizzando interaction.
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 @ suggerimento di Spacedman di fornire drop=TRUE-interaction.
I dati:
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)
Questi comandi creano una variabile id iniziano 1:
comb <- with(dat, paste(LAT, LONG))
within(dat, Cluster_ID <- match(comb, unique(comb)))
L'output:
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 inserito data.table 1.8.3, che consente di effettuare le seguenti operazioni:
# 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
Grazie a tutti per le risposte. stanno funzionando perfettamente e mi ha risparmiato un sacco di tempo. dopo aver creato un ID univoco, la prossima cosa che vorrei fare è duplicare alcuni campi e creare NA per gli altri. i miei dati sono in anni e non tutti i cluster hanno dati per tutti gli anni, quindi prima voglio riempire gli anni mancanti (1990: 2010) per tutti gli id. quindi riempire il resto dei campi in cui ho aggiunto gli anni e creare NA per gli altri dove voglio prevedere. – jonestats
confrontare le prestazioni suggerito soluzioni:
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
Aggiunta 'goccia = TRUE al vostro' chiamata interaction' vi darà i numeri da 1 a 5, piuttosto che i codici di ricerca casuale che avete qui. – Spacedman
ok, ho un'ulteriore domanda a proposito. i miei dati dovrebbero avere anni per il 1990: 2010 ma per la maggior parte dei cluster mancano alcuni anni. Voglio che R cerchi quali mancano e poi inserirli. Inoltre, voglio anche creare NA per la variabile di risposta e duplicare le altre variabili nei nuovi casi che sono stati creati. aiuto, per favore, se puoi. grazie, Jones – jonestats
@ user1835888 I commenti non sono il posto migliore per chiedere. Pubblica un'altra domanda con un esempio riproducibile che mostra ciò che hai provato e qualcuno ti aiuterà. –