按ID分组标记数据框列中各值的首次出现（R语言）

原始数据 #

生成数据的代码：

set.seed(456)
df <- data.frame(ID = rep(c('a', 'b'), each = 5), x = sample(1:3, 10, TRUE))

原始数据输出：

ID x
1   a 1
2   a 1
3   a 3
4   a 2
5   a 1
6   b 3
7   b 1
8   b 2
9   b 3
10  b 2

需求 #

按ID分组新增列y：同一分组内，x首次出现时y等于x，重复出现时y为NA，预期输出如下：

ID x  y
1   a 1  1
2   a 1 NA
3   a 3  3
4   a 2  2
5   a 1 NA
6   b 3  3
7   b 1  1
8   b 2  2
9   b 3 NA
10  b 2 NA

解决方案 #

1. 使用dplyr（tidyverse生态） #

分组后用duplicated()判断是否为首次出现，通过mutate生成新列：

library(dplyr)

df <- df %>%
  group_by(ID) %>%
  mutate(y = if_else(!duplicated(x), x, NA_integer_)) %>%
  ungroup()

注：用if_else而非ifelse是为了严格保持整数类型，避免自动转换为数值型

2. 使用base R（无需额外包） #

用ave()按分组处理每个x的序列：

df$y <- with(df, ave(x, ID, FUN = function(v) {
  ifelse(!duplicated(v), v, NA)
}))

结果验证 #

运行任意一种方法后，输出结果与预期完全一致：

ID x  y
1   a 1  1
2   a 1 NA
3   a 3  3
4   a 2  2
5   a 1 NA
6   b 3  3
7   b 1  1
8   b 2  2
9   b 3 NA
10  b 2 NA

内容的提问来源于stack exchange，提问作者user18894435