如何基于医院-医生组合生成唯一surgeon_unique标识变量？

以下是几种无需手动编写大量case_when代码的实现方案，均能自动为每个hospital*surgeon的唯一组合分配0起始的唯一整数：

方法1：dplyr（tidyverse）实现 #

利用分组索引函数自动识别唯一组合：

library(dplyr)

# 方案A：使用group_indices
df <- df %>%
  mutate(surgeon_unique = group_indices(., hospital, surgeon) - 1)

# 方案B：通过因子转换
df <- df %>%
  mutate(surgeon_unique = as.integer(factor(paste(hospital, surgeon, sep = "_"))) - 1)

• group_indices会按hospital和surgeon的组合生成从1开始的组号，减1后得到0起始的标识
• 因子转换方案先将两个变量拼接为唯一字符串，再转成整数索引，同样通过减1实现0起始

方法2：Base R实现 #

无需加载额外包，用interaction函数生成交互因子：

df$surgeon_unique <- as.integer(interaction(df$hospital, df$surgeon, drop = TRUE)) - 1

• drop = TRUE会忽略未在数据中出现的医院-医生组合，避免生成无效索引
• 转换为整数后减1，得到0起始的唯一标识

方法3：data.table实现（适合大数据集） #

如果处理的是大规模数据集，data.table的分组操作效率更高：

library(data.table)
setDT(df)

df[, surgeon_unique := .GRP - 1, by = .(hospital, surgeon)]

• .GRP会为每个by指定的分组分配唯一组号，减1后得到0起始的标识

注意事项 #

• 所有方案生成的surgeon_unique范围为0到（唯一组合数-1），符合你0-100的需求（因总组合约100个）
• 若需要固定的索引顺序，可在因子转换时添加ordered = TRUE，或在group_indices中指定sort = TRUE

内容的提问来源于stack exchange，提问作者Floris B.