在dplyr的devel版本中

library(dplyr)
df %>%
  mutate(num = row_number(), .by = "cat")

另一个dplyr可能是:

df %>%
 group_by(cat) %>%
 mutate(num = 1:n())

   cat      val   num
   <fct>  <dbl> <int>
 1 aaa   0.0564     1
 2 aaa   0.258      2
 3 aaa   0.308      3
 4 aaa   0.469      4
 5 aaa   0.552      5
 6 bbb   0.170      1
 7 bbb   0.370      2
 8 bbb   0.484      3
 9 bbb   0.547      4
10 bbb   0.812      5
11 ccc   0.280      1
12 ccc   0.398      2
13 ccc   0.625      3
14 ccc   0.763      4
15 ccc   0.882      5

我想增加一个数据。使用rank()函数的表变体，它提供了额外的可能性来改变排序，从而使它比seq_len()解决方案更灵活，并且非常类似于RDBMS中的row_number函数。

# Variant with ascending ordering
library(data.table)
dt <- data.table(df)
dt[, .( val
   , num = rank(val))
    , by = list(cat)][order(cat, num),]

    cat        val num
 1: aaa 0.05638315   1
 2: aaa 0.25767250   2
 3: aaa 0.30776611   3
 4: aaa 0.46854928   4
 5: aaa 0.55232243   5
 6: bbb 0.17026205   1
 7: bbb 0.37032054   2
 8: bbb 0.48377074   3
 9: bbb 0.54655860   4
10: bbb 0.81240262   5
11: ccc 0.28035384   1
12: ccc 0.39848790   2
13: ccc 0.62499648   3
14: ccc 0.76255108   4

# Variant with descending ordering
dt[, .( val
   , num = rank(desc(val)))
    , by = list(cat)][order(cat, num),]

在2021-04-16进行编辑，使降序和升序之间的切换更加安全

为了使这个R -faq问题更完整，一个带sequence和rle的base R替代方案:

df$num <- sequence(rle(df$cat)$lengths)

给出了预期的结果:

> df 猫val num 4是0.05638315 2是0.25767250 2 1是0.30776611 结果是0.46854928 3是0.55232243 5 10 BBB 0.17026205 8 BBB 0.37032054 6 BBB 0.48377074 9 bb 0.54655860 7 Bob 0.81240262 13 c 0.28035384 14 CCC 0.39848790 11 cc 0.62499648 15 cc 0.76255108 12 c 0.88216552

如果df$cat是一个因子变量，则需要将其包装为。性格:

df$num <- sequence(rle(as.character(df$cat))$lengths)

另一个基于R的解决方案是将每只猫的数据帧分割，然后使用lapply:添加一个数字为1的列:nrow(x)。最后一步是用do返回最终的数据帧。调用，即:

        df_split <- split(df, df$cat)
        df_lapply <- lapply(df_split, function(x) {
          x$num <- seq_len(nrow(x))
          return(x)
        })
        df <- do.call(rbind, df_lapply)

这里有一个小的改进技巧，允许在组内排序'val':

# 1. Data set
set.seed(100)
df <- data.frame(
  cat = c(rep("aaa", 5), rep("ccc", 5), rep("bbb", 5)), 
  val = runif(15))             

# 2. 'dplyr' approach
df %>% 
  arrange(cat, val) %>% 
  group_by(cat) %>% 
  mutate(id = row_number())