使用group_by、mutate和rank按时间步排名物种适宜性异常问题

问题背景 #

我有一个包含时间步、物种和适宜性值的数据框：

df <- data.frame(timestep=rep(c(1:4),10),
                 species=rep(letters[1:4],10),
                 suit=runif(40,0,100))

我需要按每个时间步对物种的适宜性值（suit）排名，也就是针对每个时间步，单独对该时间步下各物种的suit值排序。

我尝试用tidy风格的代码实现：先按timestep分组，再添加排名列：

df.rank <- df %>% 
     group_by(timestep) %>% 
     mutate(rank=rank(suit))

但结果不符合预期：排名是基于整个数据框的所有suit值计算的，而非按时间步分组。从table(df.rank$rank)的输出可以看到，排名从1到40每个值仅出现一次：

> table(df.rank$rank)

 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 
 1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1  1 
> 

问题原因 #

你的数据构造逻辑有误：

• rep(c(1:4),10)会生成10次1-4的循环，最终每个timestep对应10行记录
• rep(letters[1:4],10)会生成10次a-d的循环，导致每个timestep下的所有记录对应的物种都是同一个（比如timestep=1的10行全是物种a）

这种数据结构下，每个时间步组内是同一物种的多个suit值，而非不同物种的单个suit值，且如果分组未生效（比如dplyr版本兼容问题），就会出现全局排名的情况。

正确实现步骤 #

1. 构造正确的数据框 #

要实现「每个时间步下各物种有一个suit值」的结构，用expand.grid生成所有时间步和物种的组合，再随机生成suit值：

library(dplyr)

# 生成时间步与物种的全组合，共4*4=16行
df <- expand.grid(timestep = 1:4, species = letters[1:4]) %>%
  mutate(suit = runif(nrow(.), 0, 100))

2. 按时间步分组排名 #

使用你原本的代码即可正确实现分组排名：

df.rank <- df %>% 
  group_by(timestep) %>% 
  mutate(rank = rank(suit)) %>%
  ungroup() # 可选：取消分组，方便后续操作

3. 验证结果 #

查看排名分布，每个排名1-4会出现4次（对应4个时间步）：

table(df.rank$rank)

输出示例：

1 2 3 4 
4 4 4 4 

内容的提问来源于stack exchange，提问作者Gmichael