如何按group列分组重命名id列的重复值？

问题背景 #

现有如下数据集，其中同一id会出现在不同group中：

df <- read.table(text='id   group  
 1         A 
 2         A 
 2         A 
 1         B 
 1         B 
 2         B
 2         C
 2         C 
 1         C 
 2         D         
 1         D
 1         D', header=TRUE)

需要按group列分组，对id列的重复值进行重命名，预期输出如下：

id  group
    1     A
    2     A
    2     A
    1_2   B
    1_2   B
    2_2   B
    2_3   C
    2_3   C
    1_3   C
    2_4   D
    1_4   D
    1_4   D

实现方案 #

可以通过dplyr包的分组、排序和拼接操作实现，具体代码如下：

# 加载dplyr包
library(dplyr)

# 处理数据
df_processed <- df %>%
  # 去重得到每个id对应的group集合
  distinct(id, group) %>%
  # 按id分组，给每个group分配顺序编号
  group_by(id) %>%
  mutate(seq = row_number()) %>%
  ungroup() %>%
  # 将顺序编号合并回原始数据集
  right_join(df, by = c("id", "group")) %>%
  # 生成新的id列：seq=1时用原id，否则拼接id和seq
  mutate(new_id = ifelse(seq == 1, as.character(id), paste(id, seq, sep = "_"))) %>%
  # 调整列顺序并重命名
  select(new_id, group) %>%
  rename(id = new_id)

# 查看结果
print(df_processed)

代码逻辑说明：

• 先对每个id的group去重，确定每个id对应的group出现顺序并分配序号
• 将序号合并回原数据集，根据序号判断是否需要拼接id和序号：第一个出现的group保留原id，后续group则拼接成id_序号的格式
• 最后调整列顺序并完成重命名，得到符合预期的结果

内容的提问来源于stack exchange，提问作者cliu