R语言实现：按工厂编号聚合产品ID并生成共享标识列

需求说明 #

现有包含产品ID（id）和工厂编号（number）的数据集，需要新增两列：

• shared product：二进制列，标记该产品是否存在相同工厂编号的其他产品
• what products：列示拥有相同工厂编号的所有产品ID（无关联产品则为空）

修正后的示例数据集 #

原示例代码中a,b,c等未定义，需改为字符型：

library(dplyr)
library(stringr)

df <- data.frame(
  id = c("a","b","c","d","e","f","g","a","b","d"),
  number = c("178","321","178","452","984","321","540","178","321","452")
)

处理代码 #

通过dplyr和stringr包实现需求：

result_df <- df %>%
  # 去重：移除同一产品ID对应同一工厂的重复记录
  distinct(id, number) %>%
  # 按工厂编号分组
  group_by(number) %>%
  mutate(
    # 生成shared product列：组内不同产品数>1则为1，否则为0
    `shared product` = as.integer(n_distinct(id) > 1),
    # 生成what products列：有共享工厂则拼接去重排序后的产品ID，否则为空
    `what products` = ifelse(`shared product` == 1,
                             str_c(sort(unique(id)), collapse = ","),
                             "")
  ) %>%
  # 取消分组
  ungroup() %>%
  # 按产品ID排序，匹配期望输出顺序
  arrange(id)

# 查看结果
print(result_df)

输出结果 #

# A tibble: 7 × 4
  id    number `shared product` `what products`
  <chr> <chr>             <int> <chr>          
1 a     178                   1 a,c            
2 b     321                   1 b,f            
3 c     178                   1 a,c            
4 d     452                   0 ""             
5 e     984                   0 ""             
6 f     321                   1 b,f            
7 g     540                   0 ""             

内容的提问来源于stack exchange，提问作者Alex