我有一个包含两列的数据框。一个是ID列（字符串），第二个是由几百个字符长的字符串（DNA序列）组成。我想识别独特的DNA序列，并将独特的组组合在一起。
使用：
data$duplicates<-duplicated(data$seq, fromLast = TRUE)
我已成功确定特定行是否重复。这还不够-我想知道我是否有2个，3个等重复项，以及它们对应于哪个ID（重要的是，ID始终保持其对应的顺序）。
也许像这样：
对于data $ duplicates = TRUE ...“在data $ grouping中添加数字 对应于重复项。”
我不知道如何编写最后一部分的代码。 感谢您的帮助。
编辑：例如：
df <- data.frame(ID = c("seq1","seq2","seq3","seq4","seq5"),seq= c("AAGTCA",AGTCA","AGCCTCA","AGTCA","AGTCAGG"))
我希望输出是一个新列（例如df $ grouping），其中为每个唯一组赋予一个数值，所以在这种情况下：
("1","2","3","2","4")
答案 0 :(得分：1)
我希望输出是一个新列（例如df $ grouping），其中为每个唯一组赋予一个数值，所以在这种情况下：
由于Limited已经成为一个因素，因此我们只能使用级别编号。当一个因子被强制为整数时给出。
df$seq如果在您的真实数据中，df$grouping = as.integer(df$seq)
df
# ID seq grouping
# 1 seq1 AAGTCA 1
# 2 seq2 AGTCA 3
# 3 seq3 AGCCTCA 2
# 4 seq4 AGTCA 3
# 5 seq5 AGTCAGG 4
列不属于seq类，您仍然可以使用factor。默认情况下，组的顺序为字母顺序-您可以通过按需要的顺序为df$grouping = as.integer(factor(df$seq))赋予levels参数来修改此顺序。例如，factor会将级别（以及分组整数）按照它们首次出现的顺序排列。
如果要查看每个组中的行数，请使用df$grouping = as.integer(factor(df$seq, levels = unique(df$seq)))，例如
table