在R语言中按date列分组后为每组添加统一编号标签

问题场景 #

需要按date列对数据分组，为每个分组赋予统一的编号标签，数据示例如下：

df <- data.frame(id = c("RM125","RM126","RM121","RM120","RM128","RM129","RM131","RM133","RM135","RM132"),
                 date = c(rep("1110101",6),rep("1110102",4)))

期望输出中，所有相同date的行拥有一致的label编号。

原代码问题分析 #

你尝试的两段代码无法得到预期结果的原因：

• df %>% group_by(date) %>% mutate(row_number())：row_number()是为每组内的行按顺序生成1、2、3...的序号，而非整个分组的统一编号。
• df %>% group_by(date) %>% mutate(group = match(date, unique(date)))：分组后每组内的unique(date)仅包含当前组的日期值，因此match始终返回1，所有组的编号都会是1。

可行解决方法 #

方法1：使用dplyr的cur_group_id()（推荐）

cur_group_id()会直接为每个分组分配唯一的编号，适配dplyr管道操作：

library(dplyr)

df_labeled <- df %>%
  group_by(date) %>%
  mutate(label = cur_group_id()) %>%
  ungroup()

print(df_labeled)

方法2：base R的match()方法

无需分组，直接通过match匹配唯一日期的出现顺序生成编号：

df$label <- match(df$date, unique(df$date))

方法3：base R的因子转数值方法

将date转为因子后再转为数值，自动按因子水平生成连续编号：

df$label <- as.numeric(factor(df$date))

以上三种方法都能得到符合预期的输出：

id    date label
1  RM125 1110101     1
2  RM126 1110101     1
3  RM121 1110101     1
4  RM120 1110101     1
5  RM128 1110101     1
6  RM129 1110101     1
7  RM131 1110102     2
8  RM133 1110102     2
9  RM135 1110102     2
10 RM132 1110102     2

内容的提问来源于stack exchange，提问作者leslie