在R数据框中按规则将重复行标记为重复样本（replicates）

问题背景 #

现有一个包含1个连续变量列（cont.var）和2个因子列（fact1、fact2，取值为0或1）的数据框，需要按规则为重复行分配唯一的重复样本编号（rep）。

原始数据结构：

cont.var fact1 fact2
1      1.0     1     0
2      1.0     0     1
3      1.5     1     0
4      1.5     1     0
5      1.5     0     1
6      1.5     0     1

规则说明 #

• 若两行cont.var值相同，但fact1和fact2的组合不同，需分配不同的重复样本编号
• 若两行cont.var值相同，且fact1、fact2的组合也相同，需分配相同的重复样本编号

期望输出 #

cont.var fact1 fact2 rep
1       1.0     1     0   1
2       1.0     0     1   2
3       1.5     1     0   3
4       1.5     1     0   3
5       1.5     0     1   4
6       1.5     0     1   4

无效尝试代码 #

使用make.unique无法满足需求，会导致相同cont.var但不同因子组合的行得到重复编号：

library(dplyr)

sample.df <- data.frame(
  cont.var = c(1,1,1.5,1.5,1.5,1.5,2,2,2,3),
  fact1 = c(1,0,1,1,0,0,1,1,0,1),
  fact2 = c(0,1,0,0,1,1,0,0,1,0)
)
  
sample.df %>% 
    group_by(cont.var, fact1, fact2) %>% 
    mutate(replicate = make.unique(as.character(cont.var), "_"))

解决方案 #

核心思路：将cont.var、fact1、fact2的组合作为分组依据，为每个唯一组分配递增的整数编号，以下两种方法均可实现：

方法1：使用cur_group_id()（适用于dplyr 1.0.0及以上版本） #

library(dplyr)

sample.df <- data.frame(
  cont.var = c(1,1,1.5,1.5,1.5,1.5,2,2,2,3),
  fact1 = c(1,0,1,1,0,0,1,1,0,1),
  fact2 = c(0,1,0,0,1,1,0,0,1,0)
)

sample.df <- sample.df %>%
  group_by(cont.var, fact1, fact2) %>%
  mutate(rep = cur_group_id()) %>%
  ungroup()

print(sample.df)

方法2：使用group_indices()（兼容旧版dplyr） #

sample.df <- sample.df %>%
  mutate(rep = group_indices(., cont.var, fact1, fact2))

两种方法都会为每个cont.var + fact1 + fact2的唯一组合分配连续整数编号，完全匹配需求：同一组合的行共享编号，不同组合（即使cont.var相同）获得不同编号。

验证输出 #

运行代码后，前6行输出与期望一致：

cont.var fact1 fact2 rep
1       1.0     1     0   1
2       1.0     0     1   2
3       1.5     1     0   3
4       1.5     1     0   3
5       1.5     0     1   4
6       1.5     0     1   4

内容的提问来源于stack exchange，提问作者sp29