如何将重复emp_id替换为P1、P2格式的唯一标识？

原始数据 #

首先是你创建的包含重复emp_id的数据框：

# 创建数据框
mydataframe <- data.frame(
  emp_id = c(100,101,100,200,150,200,600,100,150,600),
  value = c(5,3,2,1,6,7,8,3,2,1)
)
# 打印数据框
print(mydataframe)

需求 #

将重复的emp_id映射为P1、P2这类带前缀的唯一标识（如100对应P1、200对应P2），你已尝试的dplyr代码仅能生成数字标识，无法得到目标格式。

你尝试过的代码 #

# 尝试1：用factor转数字
mydataframe %>%
  mutate(emp_id = as.integer(factor(emp_id, levels = unique(emp_id))))

# 尝试2：用match匹配唯一值位置
mydataframe %>%
  mutate(emp_id = match(emp_id, unique(emp_id)))

# 尝试3：用分组ID生成数字
library(dplyr)
mydataframe %>%
  group_by(emp_id = factor(emp_id, levels = unique(emp_id))) %>%
  mutate(emp_id = cur_group_id())

解决方案 #

以下两种方法均可实现需求，且保留原始emp_id列：

方法1：借助factor生成带前缀标识 #

直接通过factor将emp_id转为顺序数字，再用paste0拼接前缀"P"：

library(dplyr)

result <- mydataframe %>%
  mutate(
    ID = paste0("P", as.integer(factor(emp_id, levels = unique(emp_id))))
  )

print(result)

方法2：分组+cur_group_id生成标识 #

通过分组获取唯一ID，再拼接前缀，若需严格按照emp_id首次出现的顺序分配标识，可先指定分组顺序：

library(dplyr)

result <- mydataframe %>%
  # 按emp_id首次出现的顺序创建分组因子
  mutate(emp_order = factor(emp_id, levels = unique(emp_id))) %>%
  group_by(emp_order) %>%
  mutate(ID = paste0("P", cur_group_id())) %>%
  ungroup() %>%
  select(-emp_order) # 移除临时分组列

print(result)

期望输出结果 #

运行上述代码后，会得到如下格式的结果：

emp_id ID value
1     100 P1     5
2     101 P2     3
3     100 P1     2
4     200 P3     1
5     150 P4     6
6     200 P3     7
7     600 P5     8
8     100 P1     3
9     150 P4     2
10    600 P5     1

内容的提问来源于stack exchange，提问作者cat cat