如何跨多个DataFrame为相同分组变量分配统一唯一ID

问题根源 #

cur_group_id() 是基于单个DataFrame内部的分组出现顺序生成编号的，两个DataFrame中相同a、b组合的分组顺序可能不同，导致生成的ID不一致。另外如果你的分组包含了z，同一个a、b下不同的z会被拆分为不同分组，也会破坏ID的统一性（如果你的需求是仅按a、b统一ID的话）。

解决方法 #

方法1：合并后统一生成ID再拆分 #

这种方法最直观，通过合并两个DataFrame确保分组顺序一致，生成ID后再拆分回原数据集：

library(dplyr)

# 模拟你的数据（替换成实际数据即可）
df1 <- tibble(a = c("x", "x", "y"), b = c("m", "n", "m"), z = c(1,2,3), year = 2012)
df2 <- tibble(a = c("y", "x", "x"), b = c("m", "n", "m"), z = c(4,5,6), year = 2013)

# 合并数据集，按a、b分组生成统一ID
combined <- bind_rows(df1, df2) %>%
  group_by(a, b) %>%  # 仅按a、b分组，去掉z（如果不需要按z区分ID）
  mutate(group_id = cur_group_id()) %>%
  ungroup()

# 拆分回原DataFrame
df1_final <- combined %>% filter(year == 2012)
df2_final <- combined %>% filter(year == 2013)

方法2：创建映射表关联ID #

如果数据量较大，不想合并整个数据集，可以先提取所有唯一的a、b组合生成映射表，再分别关联到两个DataFrame：

# 生成a、b到ID的映射表
id_map <- bind_rows(df1 %>% select(a, b), df2 %>% select(a, b)) %>%
  distinct(a, b) %>%
  mutate(group_id = row_number())

# 关联映射表到原数据集
df1_final <- df1 %>% left_join(id_map, by = c("a", "b"))
df2_final <- df2 %>% left_join(id_map, by = c("a", "b"))

注意事项 #

• 如果你的需求是必须包含z在分组内，但仍希望相同a、b的分组有统一的基础ID，可以在生成ID时先按a、b生成主ID，再按z生成子ID，比如group_id = paste(cur_group_id(a,b), cur_group_id(z), sep = "_")，但这和你原本的需求可能不符，需根据实际场景调整。

内容的提问来源于stack exchange，提问作者anrisakaki96