如何在data.table中每次value值变化时生成唯一组ID？

嘿，刚好这个需求我之前也遇到过，用data.table自带的rleid()函数就能轻松搞定！它专门用来给连续的相同值生成唯一组ID，完全匹配你要的“每次value变化就生成新ID”的要求。

具体步骤： #

首先先重现你的数据集：

library(data.table)
set.seed(666)
foo = data.table(id = 1:20, value = sample(c(1, -1), 20, replace = T))

然后直接添加组ID列：

foo[, group_id := rleid(value)]

运行后的结果： #

id value group_id
 1:  1    -1        1
 2:  2     1        2
 3:  3    -1        3
 4:  4     1        4
 5:  5     1        4
 6:  6    -1        5
 7:  7    -1        5
 8:  8     1        6
 9:  9     1        6
10: 10     1        6
11: 11    -1        7
12: 12     1        8
13: 13     1        8
14: 14     1        8
15: 15     1        8
16: 16    -1        9
17: 17     1       10
18: 18    -1       11
19: 19     1       12
20: 20     1       12

简单解释： #

rleid()的逻辑很直观：它会遍历value列，每当遇到和前一行不同的值时，就把组ID加1；如果值和前一行相同，就保持当前ID。这个函数是data.table原生优化的，处理几十万甚至上百万行的数据集都超快，比手动写循环或者其他分组方法效率高太多。

如果需要自定义组ID的格式，比如从0开始计数，或者改成字符串前缀，只需要稍微调整：

• 从0开始：foo[, group_id := rleid(value) - 1]
• 带字符串前缀：foo[, group_id := paste0("group_", rleid(value))]

内容的提问来源于stack exchange，提问作者Felipe Alvarenga