在R中为数据框按herd分组标记测试次数（首次/二次）

我有一个动物测试数据集，动物按herd分组，每个herd可进行多次测试。需要新增testing列，标记该herd本次是第几次测试（同一测试日期的所有动物对应同一个测试次数编号）。

示例数据集 #

df <- data.frame(
        animal = c("Animal1", "Animal2", "Animal3", "Animal1", "Animal2", "Animal3", "Animal4", "Animal5", "Animal6", "Animal4", "Animal5", "Animal6"),
        herd = c("Herd1","Herd1","Herd1", "Herd1","Herd1","Herd1","Herd2","Herd2", "Herd2","Herd2","Herd2","Herd2"),
        date = c("2017-01-01", "2017-01-01", "2017-01-01", "2018-07-01" , "2018-07-01", "2018-07-01", "2017-05-01", "2017-05-01", "2017-05-01", "2019-07-01", "2019-07-01", "2019-07-01"))

期望结果 #

animal herd    date        testing
1   Animal1 Herd1   2017-01-01  1 
2   Animal2 Herd1   2017-01-01  1
3   Animal3 Herd1   2017-01-01  1
4   Animal1 Herd1   2018-07-01  2
5   Animal2 Herd1   2018-07-01  2
6   Animal3 Herd1   2018-07-01  2
7   Animal4 Herd2   2017-05-01  1
8   Animal5 Herd2   2017-05-01  1
9   Animal6 Herd2   2017-05-01  1
10  Animal4 Herd2   2019-07-01  2
11  Animal5 Herd2   2019-07-01  2
12  Animal6 Herd2   2019-07-01  2

原代码问题分析 #

使用rank(date)时，默认采用平均排名方式：当同一组内有多个相同日期时，会计算这些行的平均位置作为排名，导致编号不连续（比如Herd1中2017-01-01的平均位置是2，2018-07-01的平均位置是5），完全不符合需求。

解决方案 #

方法1：使用dplyr的dense_rank() #

dense_rank()会为每个不同的日期分配连续的整数序号，相同日期对应同一个编号，完美匹配需求：

library(dplyr)

df <- df %>%
  group_by(herd) %>%
  mutate(testing = dense_rank(date)) %>%
  ungroup()

方法2：先转换日期类型再编号（更稳妥） #

如果你的date列是字符类型，建议先转换为Date类型，避免字符排序可能出现的问题：

df <- df %>%
  mutate(date = as.Date(date)) %>%
  group_by(herd) %>%
  mutate(testing = dense_rank(date)) %>%
  ungroup()

方法3：Base R实现 #

无需加载dplyr，使用ave()函数结合match()和unique()实现：

# 先转换日期类型
df$date <- as.Date(df$date)
# 按herd分组，为每个日期分配连续编号
df$testing <- ave(as.integer(df$date), df$herd, FUN = function(x) match(x, unique(sort(x))))

以上三种方法都能得到你期望的testing列编号，同一herd内的相同测试日期对应同一个连续的测试次数编号。

内容的提问来源于stack exchange，提问作者Gómez-Buendía A.