如何在R中为含26000条观测的数据集生成带年份的唯一ID

你的原有代码逻辑错误，导致年份部分计算偏差。问题出在20000 + (year - min(year)) * 10000这部分：当year是2002时，(2002-2000)*10000等于20000，加上初始的20000后得到40000，再加上id就会生成40000+id这类完全不符合需求的ID。

这里给你两种简单可靠的解决方案：

方案1：字符串拼接法（推荐） #

直接将年份和原有ID拼接成字符串，再转为数值型（如果需要字符型可跳过转数值步骤），这种方法不管原有ID是几位都能正确生成目标格式：

library(dplyr)

# 生成新ID
df1 <- df1 %>%
  mutate(NewID = as.numeric(paste0(year, id)))

测试示例：

• 2000年id=1 → 拼接为"20001" → 转数值后为20001
• 2002年id=1 → 拼接为"20021" → 转数值后为20021
• 2018年id=4000 → 拼接为"20184000" → 转数值后为20184000

方案2：固定位数补零拼接（可选） #

如果需要原有ID保持固定位数（比如每年最多4000条记录，将id补为4位，不足补0），可以用stringr包的str_pad函数：

library(dplyr)
library(stringr)

df1 <- df1 %>%
  mutate(
    # 将id补为4位，左侧补0
    id_padded = str_pad(id, width = 4, side = "left", pad = "0"),
    NewID = as.numeric(paste0(year, id_padded))
  )

测试示例：

• 2000年id=1 → 补零后为"0001" → 拼接为"20000001" → 转数值后为20000001

内容的提问来源于stack exchange，提问作者Sha D.