如何为data.table中重复的Variables_2022列添加匹配唯一ID列？

直接用data.table的分组赋值功能就能实现需求，以下是完整代码：

library(data.table)
dat <- fread("Variable_codes_2022 Variables_2022
              Cat1_1              This_question
              Cat1_2              Other_question
              Cat2_1              One_question
              Cat2_2 Another_question
              Cat3_1    Some_question
              Cat3_2   Extra_question
              Cat3_3    This_question
              Cat4_1     One_question
              Cat4_2   Wrong_question")

# 生成Common_codes_2022列
dat[, Common_codes_2022 := if (.N >= 2) paste0("Com_", .GRP) else "", by = Variables_2022]

代码说明： #

• by = Variables_2022：按Variables_2022的内容分组，相同内容归为一组
• .N：表示当前组的行数（即该变量内容出现的次数）
• .GRP：自动生成的分组序号，每个重复组对应唯一序号
• 逻辑判断if (.N >=2)：仅为出现次数≥2的重复变量分配编码，不重复的变量对应列留空

运行后得到的结果如下：

Variable_codes_2022   Variables_2022 Common_codes_2022
1:              Cat1_1    This_question             Com_1
2:              Cat1_2   Other_question                   
3:              Cat2_1     One_question             Com_2
4:              Cat2_2 Another_question                   
5:              Cat3_1    Some_question                   
6:              Cat3_2   Extra_question                   
7:              Cat3_3    This_question             Com_1
8:              Cat4_1     One_question             Com_2
9:              Cat4_2   Wrong_question                   

内容的提问来源于stack exchange，提问作者Tom