R语言：基于连续事件类别分组生成唯一事件ID

我手里有个R数据框，其中eventCat列是包含Drought、Dry、Normal、Wet、Storm五个水平的因子，示例数据长这样：

eventCat
Dry
Dry
Drought
Drought
Wet
Storm
Storm 
Normal 
Normal
Dry
Dry

现在需要给每一组连续相同的事件分配唯一ID，注意前后不同批次的相同事件（比如开头的Dry和结尾的Dry）要对应不同ID，最终要得到这样的结果：

eventCat          eventCatID
Dry               1
Dry               1
Drought           2
Drought           2
Wet               3
Storm             4
Storm             4
Normal            5
Normal            5
Dry               6
Dry               6

方法1：Base R 实现 #

无需额外包，直接用基础函数就能搞定：

# 先构造示例数据框
df <- data.frame(eventCat = factor(c("Dry", "Dry", "Drought", "Drought", "Wet", "Storm", "Storm", "Normal", "Normal", "Dry", "Dry")))

# 生成唯一ID
df$eventCatID <- cumsum(c(TRUE, df$eventCat[-1] != df$eventCat[-nrow(df)]))

原理：通过判断每行与前一行的事件是否不同生成逻辑向量，再用cumsum()累加，首次出现新事件时ID加1，连续相同事件保持同一ID。

方法2：dplyr 包实现 #

如果习惯用tidyverse工具链，用dplyr写起来更流畅：

library(dplyr)

df <- df %>%
  mutate(eventCatID = cumsum(eventCat != lag(eventCat, default = first(eventCat))))

或者用分组的方式实现：

df <- df %>%
  group_by(grp = cumsum(eventCat != lag(eventCat, default = first(eventCat)))) %>%
  mutate(eventCatID = cur_group_id()) %>%
  ungroup() %>%
  select(-grp)

方法3：data.table 包实现 #

处理大数据集时，data.table的效率更高，还有专门的函数：

library(data.table)

setDT(df)
df[, eventCatID := rleid(eventCat)]

rleid()是data.table内置的函数，专门用来生成连续相同值的唯一ID，一步到位。

内容的提问来源于stack exchange，提问作者Melanie Baker