如何对数据进行分组，并在R中限制组大小

Question

在给定数据帧的情况下，我可以对指定属性下的行进行分组，计数它们以了解组的大小，并使用id号唯一地分配它们。但是，我真正需要的是完成这个过程，以便在以下三个条件下限制组的大小：

1. 如果大小模3 = 0，则分裂成大小为3的小组，
2. 如果大小模3= 1，则分裂为大小3的较小组和大小为2的两组。
3. 如果大小模3= 2，则分裂为3和2大小的较小组。

因此，如果大小为4，则创建两组，均为2；而当大小为5时，则分裂为大小为3和2的两组。

我创建了下面的最小示例。

这是起始数据。通常，它不会被排序，可能会有更多的列：

   structure(
     list(property = c("A", "B", "B", "C", "C", "C", "D", "D", "D", "D", "E", "E", "E", "E", "E", "F", "F", "F", "F", "F", "F", "G", "G", "G", "G", "G", "G", "G")), 
     class = c("tbl_df", "tbl", "data.frame"), 
     row.names = c(NA, -28L), 
     .Names = "property"
     )

预期的产出将是：

structure(
  list(property = c("A", "B", "B", "C", "C", "C", "D", "D", "D", "D", "E", "E", "E", "E", "E", "F", "F", "F", "F", "F", "F", "G", "G", "G", "G", "G", "G", "G"), 
  id = c(1, 2, 2, 3, 3, 3, 4, 4, 5, 5, 6, 6, 6, 7, 7, 8, 8, 8, 9, 9, 9, 10, 10, 10, 11, 11, 12, 12)), 
  class = c("tbl_df", "tbl", "data.frame"), 
  row.names = c(NA, -28L), 
  .Names = c("property", "id")
  )

团体的秩序并不重要。

Answer 1

我首先创建一个函数，它将根据您的要求创建等号组。基本上，它总是会创建三个相等的数字组，然后切断那些结束时太多的数字。在特殊情况下，最后一个组的长度为1，最后一个但只有一个元素被替换为最后一个元素，以满足条件2：

create_grp_idx <- function(x) {
  n <- length(x)
  m <- n %/% 3 + 1
  idx <- rep(1:m, each = 3)[1:n]
  if (n %% 3 == 1 && n > 1) idx[n-1] <- idx[n]
  return (idx)
}

现在，我使用dplyr按property对数据进行分组，然后将create_grp_idx()应用于每个组，从而创建索引n。然后，我使用interaction()从property和新创建的索引n的每个组合中获得一个因素。由于您在示例中使用了数字，所以我将因子转换为数字，并最终删除索引n的列。

library(dplyr)
group_by(data, property) %>%
  mutate(n = create_grp_idx(property)) %>%
  ungroup %>%
  mutate(id = as.numeric(interaction(property, n))) %>%
  select(-n)
## Source: local data frame [28 x 2]
## 
##    property    id
##       (chr) (dbl)
## 1         A     1
## 2         B     2
## 3         B     2
## 4         C     3
## 5         C     3
## 6         C     3
## 7         D     4
## 8         D     4
## 9         D    11
## 10        D    11
## ..      ...   ...

这并没有给出您给出的示例输出，但是既然您说组的顺序是无关的，那么我假设这就是您想要的结果。