Групповые ряды данных по последовательным восходящим идентификаторам

Question

Я довольно новичок в искусстве программирования (циклы и т. Д.), И это то, на что я был бы признателен, если бы мог получить мнение, подходит ли мой подход или это определенно необходимо чтобы быть оптимизированным, если он собирался использовать на гораздо большем образце.

В настоящее время у меня есть около 20 000 наблюдений, а один из столбцов - идентификационный номер квитанции. То, что я хотел бы достичь, - назначить каждой строке группе, которая будет состоять из идентификаторов, которые возрастают в формате n + 1. Если это правило нарушено, новая группа должна быть создана до тех пор, пока правило не будет сломано снова.

Для иллюстрации, предположим, что у меня есть эта таблица (Важное замечание, что ID не обязательно являются уникальными и могут повторяться, как ID 10 в моем примере):

MyTable <- data.frame(ID = c(1,2,3,4,6,7,8,10,10,11,17,18,19,200,201,202,2010,2011,2013)) 

MyTable 

    ID 
    1 
    2 
    3 
    4 
    6 
    7 
    8 
    10 
    10 
    11 
    17 
    18 
    19 
    200 
    201 
    202 
    2010 
    2011 
    2013 

В результате моей группировки должны быть следующие :

ID GROUP 
    1  1 
    2  1 
    3  1 
    4  1 
    6  2 
    7  2 
    8  2 
    10  3 
    10  3 
    11  3 
    17  4 
    18  4 
    19  4 
    200 5 
    201 5 
    202 5 
    2010 6 
    2011 6 
    2013 7 

Я использовал dplyr для заказа идентификатора по возрастанию. Затем создала переменную MyData $ Group, которую я просто заполнил 1.

rep(1,length(MyTable$ID) 

for (i in 2:length(MyTable$ID)) { 
    if(MyTable$ID[i] == MyTable$ID[i-1]+1 | MyTable$ID[i] == MyTable$ID[i-1]) { 
    MyTable$ID[i] <- MyTable$GROUP[i-1] 
    } else { 
     MyTable$GROUP[i] <- MyTable$GROUP[i-1]+1 
    } 
} 

Этот код работал для меня, и результаты были получены довольно легко. Тем не менее, мне интересно, если в глазах более опытных программистов этот фрагмент кода будет считаться «плохим», «средним», «хорошим» или любым другим рейтингом, который вы придумали.

EDIT: Я уверен, что эта тема уже затронута, а не против этого. Хотя, поскольку основное отличие заключается в том, что я хотел бы затронуть тему оптимизации здесь и посмотреть, соответствует ли мой подход стандартам.

Спасибо!

Answer 1

Чтобы сделать длинную историю короткой:

MyTable$Group <- cumsum(c(1, diff(MyTable$ID) != 1)) 
#  ID Group 
#1  1  1 
#2  2  1 
#3  3  1 
#4  4  1 
#5  6  2 
#6  7  2 
#7  8  2 
#8 10  3 
#9 11  3 
#10 12  3 
#11 17  4 
#12 18  4 
#13 19  4 
#14 200  5 
#15 201  5 
#16 202  5 
#17 2010  6 
#18 2011  6 
#19 2013  7 

Вы ищете все различия в вашем векторе MYTABLE $ ID, которые не являются 1, так это ваши «разрывы». И тогда вы получите cumsum все эти значения. Если вы не знаете cumsum, то введите ?cumsum. Вот и все!

UPDATE: с повторяющимися идентификаторы, вы можете использовать это:

MyTable <- data.frame(ID = c(1,2,3,4,6,7,8,10,10,11,17,18,19,200,201,202,2010,2011,2013)) 
MyTable$Group <- cumsum(c(1, !diff(MyTable$ID) %in% c(0,1))) 

#  ID Group 
#1  1  1 
#2  2  1 
#3  3  1 
#4  4  1 
#5  6  2 
#6  7  2 
#7  8  2 
#8 10  3 
#9 10  3 
#10 11  3 
#11 17  4 
#12 18  4 
#13 19  4 
#14 200  5 
#15 201  5 
#16 202  5 
#17 2010  6 
#18 2011  6 
#19 2013  7