基于数据集属性为物种分配所属科的技术实现求助

你的数据是典型的树形层级结构（科→属→种），可以用dplyr结合递归查询高效追溯每个节点的科归属，以下是两种实用方法：

方法1：用tidyr::unfold逐层关联（适合大数据） #

先提取科的ID与名称映射，再递归展开父节点直到匹配到科：

library(dplyr)
library(tidyr)

# 构建科ID到名称的映射（转小写匹配预期输出）
family_map <- dat %>%
  filter(rank == "family") %>%
  select(family_id = ID, family = scientificName) %>%
  mutate(family = tolower(family))

# 递归展开父节点并匹配科信息
dat_with_family <- dat %>%
  mutate(current_id = ID) %>%
  # 逐层向上展开父节点
  unfold(parentID, .init = current_id) %>%
  left_join(family_map, by = c("parentID" = "family_id")) %>%
  # 保留每个原始ID对应的首个有效科信息
  group_by(ID) %>%
  filter(!is.na(family)) %>%
  slice_head(n = 1) %>%
  ungroup() %>%
  # 合并回原始数据
  right_join(dat, by = "ID") %>%
  select(ID, parentID, rank, scientificName, family)

方法2：递归函数直接查询（代码更简洁） #

用purrr的递归函数对每个ID向上追溯，直到找到科层级：

library(dplyr)
library(purrr)

# 定义递归查询函数
get_family <- function(id) {
  node <- dat %>% filter(ID == id)
  if (node$rank == "family") {
    return(tolower(node$scientificName))
  } else {
    get_family(node$parentID)
  }
}

# 给每行添加family列
dat$family <- map_chr(dat$ID, get_family)

验证结果 #

两种方法最终生成的family列都与你预期一致：

print(dat$family)
# 输出: [1] "fama" "famb" "fama" "fama" "famb" "famb" "fama" "fama" "fama" "famb" "famb" "famb"

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