基于已有ID列生成唯一ID：用dplyr填充不重复NA值

给定数据框：

test <- data.frame(ID = c(1,2,3,4,NA, NA, 6, 8, 9))

需要将NA替换为不在现有ID中的唯一值，每个NA对应的值不能重复。以下是两种符合要求的dplyr解决方案：

方案1：从现有ID最大值后生成连续值填充 #

这种方法简单直接，生成的填充值都大于现有ID的最大值，完全避免与现有值重复：

library(dplyr)

# 计算NA数量和现有ID的最大值
na_count <- sum(is.na(test$ID))
max_existing_id <- max(test$ID, na.rm = TRUE)

# 生成填充序列并替换NA
test_filled <- test %>%
  mutate(ID = replace(ID, is.na(ID), seq(max_existing_id + 1, max_existing_id + na_count)))

执行后结果示例：

> test_filled
  ID
1  1
2  2
3  3
4  4
5 10
6 11
7  6
8  8
9  9

方案2：优先填充现有ID的空缺值 #

如果希望优先填补现有ID之间的空缺（比如示例中的5），再补充后续值，可以用以下方法：

library(dplyr)
library(tidyr)

# 获取现有非NA的ID集合
existing_ids <- test %>% drop_na(ID) %>% pull(ID)
# 计算需要填充的NA数量
na_count <- sum(is.na(test$ID))

# 生成包含现有ID和足够补位的序列，筛选出不在现有ID中的值，取前na_count个
fill_values <- setdiff(
  seq(min(existing_ids), max(existing_ids) + na_count),
  existing_ids
)[1:na_count]

# 替换NA
test_filled <- test %>%
  mutate(ID = replace(ID, is.na(ID), fill_values))

执行后结果示例：

> test_filled
  ID
1  1
2  2
3  3
4  4
5  5
6 10
7  6
8  8
9  9

内容的提问来源于stack exchange，提问作者Sulz