在R中为分组及组内子分组生成层级索引的实现方法

我手头的数据集包含多层级变量，第一层有10个唯一分组，每个分组下的子分组数量不固定。我想要生成类似01-01格式的层级索引：组编号随分组递增，组内子分组编号从1开始重置，而且这个方法要支持任意层级的子分组。目前我只能通过嵌套循环和条件语句实现，想找更高效的方案。

数据集前3行结构如下：

structure(list(d1 = c("animal and animal products edible", "animal and animal products edible", 
"animal and animal products edible"), d2 = c("animal edible except for breeding", 
"animal edible except for breeding", "animal edible except for breeding"
), d3 = c("cattle", "cattle", "cattle"), d4 = c("bulls for breeding", 
"cows for breeding", "other cattle")), row.names = c(NA, 3L), class = "data.frame")

方法一：用tidyverse/dplyr实现（推荐） #

利用dplyr的分组和窗口函数，能高效生成层级索引，还能轻松适配任意层级。核心逻辑是按层级依次分组，生成序号后补零格式化，最后拼接成目标格式。

library(dplyr)
library(stringr)

# 封装成通用函数，支持任意层级列
generate_hierarchy_index <- function(data, level_cols) {
  result <- data
  prev_groups <- c()
  
  for (col in level_cols) {
    # 累积当前层级的分组列
    current_groups <- c(prev_groups, col)
    # 生成当前层级的补零序号
    result <- result %>%
      group_by(across(all_of(current_groups))) %>%
      mutate(!!paste0("index_", col) := str_pad(row_number(), 2, pad = "0")) %>%
      ungroup()
    prev_groups <- current_groups
  }
  
  # 拼接所有层级的序号，生成最终索引
  index_cols <- paste0("index_", level_cols)
  result <- result %>%
    mutate(hierarchy_index = paste(!!!syms(index_cols), sep = "-")) %>%
    select(-all_of(index_cols)) # 可选：删除中间生成的临时序号列
  
  return(result)
}

# 使用示例：假设层级列是d1到d4
df_indexed <- generate_hierarchy_index(df, c("d1", "d2", "d3", "d4"))

这个函数可以自动适配任意数量的层级列，不用手动写每一层的分组逻辑，比嵌套循环简洁高效得多。

方法二：用base R实现 #

如果不想依赖第三方包，用base R的ave函数也能实现，核心是逐层计算组内序号：

# 定义补零格式化的辅助函数
pad_zero <- function(x) {
  strtrim(format(x, width = 2), 2)
}

# 逐层生成序号
df$index_d1 <- pad_zero(ave(rep(1, nrow(df)), df$d1, FUN = seq_along))
df$index_d2 <- pad_zero(ave(rep(1, nrow(df)), df$d1, df$d2, FUN = seq_along))
df$index_d3 <- pad_zero(ave(rep(1, nrow(df)), df$d1, df$d2, df$d3, FUN = seq_along))
df$index_d4 <- pad_zero(ave(rep(1, nrow(df)), df$d1, df$d2, df$d3, df$d4, FUN = seq_along))

# 拼接成最终层级索引
df$hierarchy_index <- paste(df$index_d1, df$index_d2, df$index_d3, df$index_d4, sep = "-")

# 可选：删除临时序号列
df <- df[, !names(df) %in% c("index_d1", "index_d2", "index_d3", "index_d4")]

同样可以把这段逻辑封装成函数，实现对任意层级的支持，逻辑和tidyverse版本一致，只是用base R语法实现。

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