如何在R语言数据框中按组递增数值型id并保留组间间隔？

给定第一列为分组变量、第二列为递增ID的数据框，我们需要实现组内ID连续，组与组之间ID保留1个间隔的效果。比如以下输入数据：

df <- data.frame(group=c(rep('a',3),rep('b',3), rep('c', 3)), 
                 id=c(1,2,3,4,5,6,7,8,9))

想要得到的结果是组内ID连续，组间间隔1个数值，最终数据框如下：

group id
1      a  1
2      a  2
3      a  3
4      b  5
5      b  6
6      b  7
7      c  9
8      c 10
9      c 11

下面提供两种常用实现方法：

方法一：使用dplyr包（tidyverse生态） #

适合习惯tidyverse语法的用户，代码逻辑清晰：

library(dplyr)

df_new <- df %>%
  # 按分组统计每组的行数
  group_by(group) %>%
  mutate(group_size = n()) %>%
  ungroup() %>%
  # 计算每个组的起始偏移：前面所有组的总长度 + 前面组的数量（每个组间隔1）
  mutate(start_offset = cumsum(lag(group_size, default = 0)) + (group != lag(group, default = first(group))) %>% cumsum() - 1) %>%
  # 分组生成新ID：组内行号 + 该组的起始偏移
  group_by(group) %>%
  mutate(id = row_number() + start_offset[1]) %>%
  select(group, id) %>%
  ungroup()

print(df_new)

方法二：使用基础R实现 #

无需加载额外包，适合轻量需求：

# 统计每个分组的行数
group_sizes <- tapply(df$id, df$group, length)
# 计算每个分组的起始ID：第一个组从1开始，后续组起始=前面所有组总长度+前面组的数量（间隔数）
start_ids <- c(1, cumsum(group_sizes[-length(group_sizes)]) + seq_along(group_sizes[-length(group_sizes)]))
# 为每个分组生成连续ID并替换原id列
df$id <- unlist(mapply(function(start, len) start:(start + len - 1), start_ids, group_sizes))

print(df)

两种方法都能得到目标结果，可根据自己的代码习惯选择。

内容的提问来源于stack exchange，提问作者zhang