R中按CENTER分组并保留原始顺序生成新排序列的问题

我有一个数据集，需要按CENTER分组，但记录必须保留原始数据集的排序顺序（例如VUMC为第一组、KUL为第二组，该顺序需保持不变）。我熟悉SQL中的DENSE_RANK实现方式，但在R中使用基础包的rank函数和dplyr库的dense_rank函数均未得到预期结果。

尝试的代码 #

df_results <- read.table(text = "
CENTER;FILE;HB;LineNr
VUMC;NPUT_00172.MRC;12.7;1
VUMC;PHYM_00577.MRC;11.9;2
VUMC;CPNU_00625.MRC;9.2;3
KUL;UYTC_00146.MRC;10.8;4
KUL;UKFA_00766.MRC;10.7;5
LOR;RFAF_00105.MRC;12.9;6
LOR;ARFW_00961.MRC;12.4;7
KUL;HMCU_00630.MRC;8.6;8
VUMC;FPRB_00509.MRC;10.8;9
LOR;TWUA_00651.MRC;10.6;10
", header = TRUE, sep = ";", na.strings = "")

library(dplyr)

df_results <- df_results %>%
  group_by(CENTER) %>%
  mutate(min_LineNr = min(LineNr),
     dense_linenr = rank(min_LineNr),
     NewSortOrder = (dense_linenr*1000 + LineNr) )

其中min(LineNr)部分符合预期，但rank返回了2.0和2.5这类异常值，单独执行mutate(rank..)也无改善；使用dense_rank则新列全为1，均不符合预期。

当前输出结果 #

期望结果 #

我的问题 #

1. 为什么rank和dense_rank会产生这些异常结果？
2. 使用哪种R代码或库能最直接地生成目标的NewSortOrder列？

问题1：异常结果的原因 #

• rank函数的问题：你在group_by(CENTER)后调用rank(min_LineNr)，此时每个分组内的min_LineNr是同一个值（比如VUMC组全是1），rank默认采用"average"排序规则，当所有值相同时，会计算这些值在整个向量中的平均排名。更关键的是，你需要的是按CENTER出现的先后顺序排名，而非按min_LineNr的数值排序，所以这个逻辑本身就不符合需求。
• dense_rank函数的问题：分组内调用dense_rank(min_LineNr)时，每组内的min_LineNr完全相同，因此返回1是正常行为，但这不是你需要的跨分组、按出现顺序的排名。

问题2：生成目标NewSortOrder的方法 #

方法1：使用dplyr（最直接） #

核心逻辑是先获取CENTER的首次出现顺序，分配组序号；再在每个组内生成组内序号，最后计算组序号*1000 + 组内序号：

library(dplyr)

df_results <- df_results %>%
  # 生成CENTER的首次出现顺序排名
  mutate(center_rank = match(CENTER, unique(CENTER))) %>%
  # 按CENTER分组，生成组内序号（保留原始顺序）
  group_by(CENTER) %>%
  mutate(group_seq = row_number(),
         NewSortOrder = center_rank * 1000 + group_seq) %>%
  ungroup() %>%
  # 可选：删除中间辅助列
  select(-center_rank, -group_seq)

方法2：使用基础R #

无需依赖dplyr，用基础R也能实现：

# 获取CENTER的唯一出现顺序
unique_centers <- unique(df_results$CENTER)
df_results$center_rank <- match(df_results$CENTER, unique_centers)

# 生成组内序号
df_results$group_seq <- ave(df_results$LineNr, df_results$CENTER, FUN = function(x) seq_along(x))

# 计算目标列
df_results$NewSortOrder <- df_results$center_rank * 1000 + df_results$group_seq

# 可选：删除中间辅助列
df_results <- df_results[, !names(df_results) %in% c("center_rank", "group_seq")]

两种方法都能生成符合预期的NewSortOrder列，同时严格保留原始数据中CENTER的出现顺序。

内容的提问来源于stack exchange，提问作者BdR