r - 重新排序行以具有重复序列的有效方法？

Question

我有一个数据集，其中每个 name 值都重复了一定次数。我想对行重新排序，这样我就不会重复每个 name，而是重复整个序列。

例如，如果我有这样的数据集:

test <- data.frame(
  name = rep(c("a", "b", "c"), each = 3),
  value = 1:9
)

> test_data
  name value
1    a     1
2    a     2
3    a     3
4    b     4
5    b     5
6    b     6
7    c     7
8    c     8
9    c     9

然后我想对行重新排序，这样我就有了 a-b-c 的重复序列:

  name value
1    a     1
2    b     4
3    c     7
4    a     2
5    b     5
6    c     8
7    a     3
8    b     6
9    c     9

这是我目前所拥有的:

# split by value in name
split_data <- split(test_data, ~ name)

# in each split dataset, create id2 
list_data <- lapply(seq_along(split_data), function(x) {
  new_id <- x + (1:nrow(split_data[[x]]) - 1) * length(split_data)
  split_data[[x]]$id2 <- new_id
  return(split_data[[x]])
})

# bind the split data back, and order by this new id2
out <- do.call(rbind, list_data)
out <- out[order(out$id2), ]
out$id2 <- NULL
out

  name value
1    a     1
4    b     4
7    c     7
2    a     2
5    b     5
8    c     8
3    a     3
6    b     6
9    c     9

这行得通，但我现在正在寻找一种在时间和内存方面都更有效的方法。以下是具有几百万行的代码的性能:

test_data <- data.frame(
  name = rep(c("a", "b", "c"), each = 1000000),
  value = 1:3000000
)
dim(test_data)
#> [1] 3000000       2

my_test <- function() {
  split_data <- split(test_data, ~ name)
  
  list_data <- lapply(seq_along(split_data), function(x) {
    new_id <- x + (1:nrow(split_data[[x]]) - 1) * length(split_data)
    split_data[[x]]$id2 <- new_id
    return(split_data[[x]])
  })
  
  out <- do.call(rbind, list_data)
  out <- out[order(out$id2), ]
  out$id2 <- NULL
  
}

bench::mark(
  my_test()
)
#> Warning: Some expressions had a GC in every iteration; so filtering is disabled.
#> # A tibble: 1 × 6
#>   expression      min   median `itr/sec` mem_alloc `gc/sec`
#>   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
#> 1 my_test()     907ms    907ms      1.10     541MB     7.72

有没有更有效的方法来做同样的事情？我正在寻找仅在 base R 中的解决方案。

注意:我为 value 放置了一个非常简单的数字序列。这只是为了举例。解决方案不应依赖于 value 中的值。

编辑以比较 Mael 的输出:

test_data <- data.frame(
  name = rep(c("a", "b", "c"), each = 10),
  value = 1:30
)

mael <- function() {
  out <- test_data[order(ave(test_data$name, test_data$name, FUN = seq_along)), ]
  row.names(out) <- NULL
  out
}

head(my_test())
#>   name value
#> 1    a     1
#> 2    b    11
#> 3    c    21
#> 4    a     2
#> 5    b    12
#> 6    c    22
head(mael())
#>   name value
#> 1    a     1
#> 2    b    11
#> 3    c    21
#> 4    a    10
#> 5    b    20
#> 6    c    30

Answer 1

如果保证name的顺序:

test_data[c(matrix(seq_len(nrow(test_data)), 
                           nrow=length(unique(test_data$name)), 
                           byrow=T)), ]