两列自定义模式匹配与替换：保持列内分组一致性

原始数据集 #

dat <- read.table(text = "
   var seq1 seq2
1   A1    1    4
2   AL    1    4
3    E    1    2
4    F    1    4
5   A3    2    3
6   A6    2    3
7   Si    2    3
8   A5    3    2
9   IN    3    2
10  Z5    3    2  
", header = TRUE)

需求 #

• 当变量在seq1和seq2中的分组模式高度一致时，将seq2的取值统一为对应seq1的值（如A5、IN、Z5的seq1均为3，seq2均为2，属于同组模式，因此seq2统一改为3）
• 确保seq2内部分组唯一，例如E的seq2从2改为3（避免seq2=2同时对应seq1=1和seq1=3两个分组）

尝试的错误代码 #

dat <- dat %>%
rowwise%>%
  mutate('seq2' = ifelse(dat$seq==dat$seq2,dat$seq,dat$seq2))

错误点：

• 列名引用错误（dat$seq应为seq1）
• rowwise上下文无需使用dat$直接引用列
• 逻辑仅判断单行列值是否相等，未处理分组模式的匹配逻辑

解决方案 #

核心思路是先建立seq2到seq1的映射关系（基于分组出现频次），再替换seq2的值：

步骤1：构建映射表 #

统计每个seq2值对应的最频繁出现的seq1分组，作为seq2的目标取值：

library(dplyr)

# 构建seq2到目标seq1的映射
mapping <- dat %>%
  count(seq1, seq2) %>%  # 统计每个seq1-seq2组合的出现次数
  group_by(seq2) %>%
  slice_max(n, n = 1) %>%  # 对每个seq2，选择出现次数最多的seq1
  ungroup() %>%
  select(seq2, new_seq2 = seq1)  # 重命名为映射目标列

步骤2：替换seq2值 #

将原始数据与映射表关联，替换seq2：

dat2 <- dat %>%
  left_join(mapping, by = "seq2") %>%
  mutate(seq2 = new_seq2) %>%
  select(-new_seq2)  # 移除临时列

最终结果 #

运行后得到的dat2与期望输出完全一致：

> dat2
   var seq1 seq2
1   A1    1    1
2   AL    1    1
3    E    1    3
4    F    1    1
5   A3    2    2
6   A6    2    2
7   Si    2    2
8   A5    3    3
9   IN    3    3
10  Z5    3    3

内容的提问来源于stack exchange，提问作者Hard_Course