如何在R中识别重复dataframe行并分类含ORPHAN标识的组？

针对你的需求，我们可以直接用dplyr的分组操作完成，无需筛选重复行，能保留所有行（包括UNK行）同时完成分组编号和幼鸟组标记。

步骤代码 #

假设你的数据框名为bird_data，包含Species、Date1、Date2、Cause等列，执行以下代码：

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

# 处理数据
bird_data_processed <- bird_data %>%
  # 按物种、Date1、Date2分组，保留所有行
  group_by(Species, Date1, Date2) %>%
  mutate(
    # 组内每行的子编号（从1开始递增）
    sub_id = row_number(),
    # 全局分组主编号（每个唯一分组对应一个序号）
    main_id = cur_group_id(),
    # 拼接成你需要的x.y格式分组编号
    group_number = paste(main_id, sub_id, sep = "."),
    # 判断该组是否为幼鸟组：组内存在ORPHAN则标记为"是"
    is_orphan_group = ifelse(any(Cause == "ORPHAN"), "是", "否")
  ) %>%
  # 取消分组（可选，根据后续操作需求）
  ungroup()

# 查看处理结果
head(bird_data_processed)

关键说明 #

• 分组逻辑：group_by(Species, Date1, Date2)会把所有属于同一物种、同一日期组合的行归为一组，不管是ORPHAN还是UNK行都保留在组内，彻底解决你之前遗漏UNK行的问题。
• 分组编号生成：cur_group_id()给每个唯一的分组分配全局序号（比如冠蓝鸦的某日期组是1，知更鸟的某日期组是2），row_number()给组内每行分配子序号，两者拼接成x.y格式的编号。
• 幼鸟组标记：any(Cause == "ORPHAN")检查组内是否存在至少一行Cause为ORPHAN，只要满足条件，组内所有行（包括UNK行）都会被标记为幼鸟组。

额外提醒 #

如果你的Date1和Date2是文本格式，可能存在日期格式不统一的问题（比如2023-01-01和01/01/2023），可以先用lubridate包统一日期格式：

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

bird_data <- bird_data %>%
  mutate(
    Date1 = ymd(Date1), # 若原始格式是日/月/年，改用dmy()
    Date2 = ymd(Date2)
  )

内容的提问来源于stack exchange，提问作者Thea Tengstrom