[程式] R語言中ID排序編號

[XYH (斐娟粉絲>//<)]

[軟體程式類別]:
R

[程式問題]:
資料處理

[軟體熟悉度]:
高(1年以上)

[問題敘述]:
小弟最近在處理醫院病歷資料時，

因為有需要對ID進行比較，

並產生新ID，

可是因為原ID是加密過後的檔案為32字元每次比較均須相當多的時間，

故光是這個步驟可能就會耗時數週。


小弟發現，

如果能夠善用R內建的函式，

相關運作能省很多的時間。

譬如我本來也用比較ID去剔除相同之ID，

後發現用duplicated函數可以將原有數天的工作，

壓縮至一分鐘內完成。


下述的程式碼雖可以執行，

可是至少要一星期以上方能完成。

因此想請教大家有沒有更快的方式?

資料大致如下:
-----------------------------------
原有ID           診斷碼    擬創造新ID
ABCDEQ            295          1
ABCDEQ            001          1
ABCDEQ            005          1
DDWWSWW           420          2
DDWWSWW           538          2
DDWWSWW           292          2
KKQZZAQ           141          3
KKQZZAQ           141          3
.
.
.

[程式範例]:
原有資料代號為CD

NewID<-c(1)                                     #第一個ID為1
for(i in 2: 100)                                #假定100筆病歷
{
 if(CD[i,1]==CD[i-1,1])                         #若該ID與前一個ID相同
 {
  NewID[i]<-NewID[i-1]                          #則NewID[i]與前個NewID元素
 }                                              #相同，
 else
 {
  NewID[i]<-NewID[i-1]+1                        #反之代號增加
 }
}
-----------------------------------------------------------------------------

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 203.64.84.219
推 memphis:不要用R做  進sql去index
→ lin15:as.factor(id)
我測過，

factor似乎更久= =
※ 編輯: XYH             來自: 203.64.84.219        (01/25 20:34)
→ lin15:unique會比較快嗎?
→ XYH:不太懂可不可以說詳細點unique?
→ lin15:unique(id)下seq後再merge回來 不過我猜應該是用sql比較好..
→ XYH:似乎有點希望，回去試試
→ bmka:sort by id 之後,
→ bmka:foo <- as.vector( table(id) )
→ bmka:newid <- rep( 1: length(foo), foo)
→ bmka:就可以了,我自己常用的小伎倆
推 gsuper:可以問一下有幾筆資料嗎？　　很好奇怎麼會跑這麼久
→ XYH:其實那是全民健保的資料，大概7000萬筆吧.......