在R中为成对数据框生成组ID的技术实现问询

我有6个数据框，部分结构与值完全一致，部分不同。通过循环调用identical()函数比较所有数据框组合后，得到如下结果表：

result <- data.frame(source=c(1,1,1,1,1,2,2,2,2,3,3,3,4,4,5), dest=c(2,3,4,5,6,3,4,5,6,4,5,6,5,6,6), TF=c("T","F","F","F","F","T","F","F","F","F","F","F","T","F","F"))

# 查看结果
result

输出表格：

其中source和dest是数据框的ID组合，TF标记对应两个数据框是否完全相同。需要根据TF="T"的关联链划分组别：

• 1与2相同，2与3相同 → 1、2、3归为同一组
• 4与5相同 → 4、5归为同一组
• 6无匹配数据框 → 单独成组

最终需要生成如下格式的group_id表：

# 期望输出
group_id
#   dfID GroupID
# 1    1       1
# 2    2       1
# 3    3       1
# 4    4       2
# 5    5       2
# 6    6       3

解决方案 #

这个问题本质是识别连通分量：具有传递关联的节点（数据框ID）属于同一组。下面提供两种实现方式：

方法1：使用igraph包（简洁高效） #

利用图论中的连通分量算法，直接处理关联关系：

# 安装并加载igraph（首次使用需安装）
# install.packages("igraph")
library(igraph)

# 提取所有匹配的关联对（TF="T"的行）
edges <- result[result$TF == "T", c("source", "dest")]

# 创建无向图，包含所有6个数据框ID作为节点
graph <- graph_from_data_frame(
  d = edges,
  vertices = data.frame(id = 1:6),
  directed = FALSE
)

# 获取每个节点的连通分量ID
comp <- components(graph)

# 生成最终的group_id表
group_id <- data.frame(
  dfID = as.integer(names(comp$membership)),
  GroupID = comp$membership
) %>% arrange(dfID)

# 查看结果
group_id

方法2：基础R实现并查集（无依赖） #

如果不想使用第三方包，可以用**并查集（Union-Find）**算法手动实现连通分量识别：

# 查找节点的根节点（带路径压缩）
find <- function(x, parent) {
  if (parent[x] != x) {
    parent[x] <- find(parent[x], parent)
  }
  parent[x]
}

# 合并两个节点所在的集合
union <- function(x, y, parent) {
  x_root <- find(x, parent)
  y_root <- find(y, parent)
  if (x_root != y_root) {
    parent[y_root] <- x_root
  }
  parent
}

# 初始化父节点：每个节点初始时自己是根节点
parent <- 1:6

# 遍历所有匹配对，合并集合
matches <- result[result$TF == "T", ]
for (i in seq(nrow(matches))) {
  parent <- union(matches$source[i], matches$dest[i], parent)
}

# 为每个节点分配组ID
root_ids <- sapply(1:6, function(x) find(x, parent))
group_mapping <- unique(root_ids)
GroupID <- match(root_ids, group_mapping)

# 生成结果表
group_id <- data.frame(dfID = 1:6, GroupID = GroupID)
group_id

两种方法都能正确处理传递关联，输出符合要求的组别划分结果。

内容的提问来源于stack exchange，提问作者HSJ