关于创建非数值型分组索引列与跨年度周数索引的优化方案咨询

你想要的其实是基于年周组合的分组索引——把每个唯一的年周组合映射成一个连续的整数序列，而不是用字符串拼接的方式，这样更方便后续的排序、分组操作，也避免了字符串拼接可能带来的格式问题（比如单数字的月份/周数没有补零导致的歧义）。

下面给你几种更简洁高效的实现方法，基于dplyr和lubridate：

方法1：使用dplyr::cur_group_id()（推荐，dplyr 1.0.0+） #

这个函数可以直接给每个分组分配一个唯一的连续ID，非常直观：

library(dplyr)
library(lubridate)

# 构造你的数据
a <- seq.Date(as.Date("2021-01-01"), as.Date("2021-02-28"), by = "1 day")
b <- round(rnorm(59,5,1),2)
tempdf <- cbind.data.frame(a,b)

# 生成年周索引
tempdf <- tempdf %>%
  mutate(year = year(a),
         year_week = isoweek(a)) %>%  # isoweek是国际标准周，比week更规范
  group_by(year, year_week) %>%
  mutate(week_index = cur_group_id()) %>%
  ungroup() %>%
  # 可选：把年周组合转成规范标签方便查看
  mutate(year_week_label = paste0(year, "-W", sprintf("%02d", year_week)))

head(tempdf)

这里用isoweek而非week是因为国际标准周的定义更统一，能避免跨年周的歧义；sprintf("%02d", year_week)是把周数补成两位（比如第1周变成"01"），让标签格式更规范。

方法2：使用dplyr::group_indices() #

如果你的dplyr版本较低，group_indices()也是个不错的替代方案：

tempdf <- tempdf %>%
  mutate(year = year(a),
         year_week = isoweek(a)) %>%
  mutate(week_index = group_indices(., year, year_week))

方法3：将年周组合转为因子再转整数 #

这种方法不需要分组操作，直接处理即可：

tempdf <- tempdf %>%
  mutate(year_week = paste0(year(a), "-", isoweek(a)),
         week_index = as.integer(factor(year_week, levels = unique(year_week))))

为什么这些方法更优？ #

• 避免了手动拼接字符串的格式错误（比如你原来的paste0(year,month,weeks)会把2021年1月第1周变成"202111"，看起来像2021年11月，容易混淆）；
• 生成的整数索引更适合后续的统计、可视化操作（比如作为x轴变量）；
• 使用isoweek遵循国际标准周定义，跨年度的周数处理更准确（比如2020年最后一周和2021年第一周不会混淆）。

另外，回到你最初的字母分组示例，用同样的方法也能高效实现：

a <- rep(letters[1:3],each =3)
b <- round(rnorm(9,5,1),2)
tempdf <- data.frame(a,b)

# 生成分组索引
tempdf <- tempdf %>%
  group_by(a) %>%
  mutate(c = cur_group_id()) %>%
  ungroup()

这样就不需要手动写rep(1:3, each=3)，当分组数量很多时更高效，也不容易出错。

内容的提问来源于stack exchange，提问作者ok1more