Question

我有一个data.frame，带有两组ID，这两个ID可能都是多余的。

这是一个例子：

df <- data.frame(id1 = c("id.1","id.1","id.1","id.1","id.1","id.2","id.2","id.3"),
                 id2 = c("id.1.a","id.1.b","id.1.a","id.1.c","id.1.b","id.2.a","id.2.b","id.3.a"))

我想做的是添加另一个ID列，其中df$id1将带有一个数字后缀，其值按df$id2的顺序递增。

因此，对于上面的示例，所得的data.frame将为：

res.df <- data.frame(id1 = c("id.1","id.1","id.1","id.1","id.1","id.2","id.2","id.3"),
                     id2 = c("id.1.a","id.1.b","id.1.a","id.1.c","id.1.b","id.2.a","id.2.b","id.3.a"),
                     id3 = c("id.1.01","id.1.03","id.1.02","id.1.05","id.1.04","id.2.01","id.2.02","id.3"))

因此，由于id.1两次映射到id.1.a，两次映射到id.1.b，一次映射到id.1.c，因此它变成：id.1.01, id.1.03, id.1.02, id.1.05, id.1.04

有什么想法如何使用dplyr或tidyr做到这一点？

Answer 1

我们按id1对行进行分组，因为这是我们要对行进行计数的分组。
我们先按id1，再按id2
我们创建了一个新列，其中将row_number附加到id1的末尾。由于行按id1和id2排列，因此row_number将保持该顺序

示例：

df %>%
    group_by(id1) %>%
    arrange(id1, id2) %>%
    mutate(id3 = paste0(id1, '.', row_number()))


# A tibble: 8 x 3
# Groups:   id1 [3]
  id1   id2    id3   
  <fct> <fct>  <chr> 
1 id.1  id.1.a id.1.1
2 id.1  id.1.a id.1.2
3 id.1  id.1.b id.1.3
4 id.1  id.1.b id.1.4
5 id.1  id.1.c id.1.5
6 id.2  id.2.a id.2.1
7 id.2  id.2.b id.2.2
8 id.3  id.3.a id.3.1

Answer 2

我们可以在'id2'上直接使用row_number

library(dplyr)
df %>%
   group_by(id1) %>% 
   mutate(id3 = paste0(id1, ".", row_number(id2)))
# A tibble: 8 x 3
# Groups:   id1 [3]
#  id1   id2    id3   
#  <fct> <fct>  <chr> 
#1 id.1  id.1.a id.1.1
#2 id.1  id.1.b id.1.3
#3 id.1  id.1.a id.1.2
#4 id.1  id.1.c id.1.5
#5 id.1  id.1.b id.1.4
#6 id.2  id.2.a id.2.1
#7 id.2  id.2.b id.2.2
#8 id.3  id.3.a id.3.1

使用dplyr枚举data.frame中的冗余值

2 个答案: