在R中将行转换为字符串：为重复行分配相同标识的实现方法

需求说明 #

将包含6个整数型变量的10000条观测数据，每行编码为一个由变量值组成的字符串；重复的字符串对应的观测行，分配相同的分组标识值。

示例数据 #

首先加载示例数据（已修正原代码的引号格式）：

set.seed(1)

dat <- data.frame(
  matrix(
    sample(1:3, 5*12, replace=TRUE), 12, 5,
    dimnames=list(1:12, c("X1","X2","X3","X4","X5"))
  ),
  Sex=rep(c("Male", "Female"))
)

示例数据包含5个整数变量X1-X5和1个分类变量Sex，先将Sex转换为整数型（符合需求中的整数型变量要求）：

# 将Sex转换为整数：Male=1，Female=2
dat$Sex_num <- ifelse(dat$Sex == "Male", 1, 2)

方法一：Base R实现 #

1. 生成每行的编码字符串

使用apply函数将指定的6个整数变量按行拼接为字符串，用下划线分隔：

# 选择X1-X5和Sex_num共6个变量，拼接为编码字符串
dat$code_str <- apply(dat[, c(paste0("X", 1:5), "Sex_num")], 1, paste, collapse = "_")

2. 为重复字符串分配唯一分组值

通过factor将字符串转换为因子，再转为整数即可得到重复字符串对应的相同标识：

# 生成分组标识，重复的code_str对应相同的group_id
dat$group_id <- as.integer(factor(dat$code_str))

方法二：Tidyverse实现 #

使用dplyr和tidyr包完成操作，代码更简洁直观：

library(dplyr)
library(tidyr)

dat <- dat %>%
  # 将Sex转换为整数
  mutate(Sex_num = ifelse(Sex == "Male", 1, 2)) %>%
  # 将6个变量拼接为编码字符串（remove=FALSE保留原变量）
  unite(code_str, X1:X5, Sex_num, sep = "_", remove = FALSE) %>%
  # 根据编码字符串生成分组标识
  mutate(group_id = group_indices(., code_str))

验证结果 #

查看数据可以看到，编码字符串相同的行，分组标识group_id完全一致：

# 查看部分结果
dat[, c("code_str", "group_id")]

内容的提问来源于stack exchange，提问作者EB3112