如何为data.table中符合条件的计数组生成唯一标识ID

针对你的需求，我们需要将**互相包含在彼此(min_val, max_val)区间内（或间接连通）**的value划分为同一组，并生成唯一id。下面提供两种可行方法：

方法1：使用igraph包识别连通分量（推荐，适用于所有情况） #

这种方法通过图论中的连通分量概念，将每个value视为节点，若两个value互相处于对方的区间内则建立连接，最终同一连通分量的节点即为同一组。

library(data.table)
library(igraph)

# 修正原始数据的行名错误（原row.names=-4L应为-8L）
dat <- setDT(structure(list(value = c(94.01, 94.02, 94.03, 95, 100, 100.1, 200, 200.1), 
                            min_val = c(94, 94, 94.01, 94.98, 99, 99.1, 199, 199), 
                            max_val = c(94.02, 94.03, 94.04, 95.02, 101, 101, 201, 201)), 
                       class = c("data.table", "data.frame"), row.names = c(NA, -8L)))

# 计算count列（保留你的原始逻辑）
dat[, count := mapply(function(mi,ma) sum(mi < value & value < ma), min_val, max_val)]

# 构建邻接矩阵：判断每个value是否落在另一行的(min_val, max_val)区间内
adj_matrix <- outer(seq_len(nrow(dat)), seq_len(nrow(dat)), 
                    function(i,j) dat$min_val[i] < dat$value[j] & dat$value[j] < dat$max_val[i])

# 构建无向图并移除自环
graph_obj <- graph_from_adjacency_matrix(adj_matrix, mode = "undirected", diag = FALSE)

# 为每行分配连通分量的ID
dat[, id := components(graph_obj)$membership]

运行后，id列会输出：1,1,1,2,3,3,4,4，对应4个独立分组，符合预期。

方法2：无需额外包，通过排序+累积分组（适用于区间按value有序重叠的场景） #

如果你的数据中，重叠区间的value是连续排序的，可以通过排序后判断区间重叠性来生成分组ID：

library(data.table)

dat <- setDT(structure(list(value = c(94.01, 94.02, 94.03, 95, 100, 100.1, 200, 200.1), 
                            min_val = c(94, 94, 94.01, 94.98, 99, 99.1, 199, 199), 
                            max_val = c(94.02, 94.03, 94.04, 95.02, 101, 101, 201, 201)), 
                       class = c("data.table", "data.frame"), row.names = c(NA, -8L)))

dat[, count := mapply(function(mi,ma) sum(mi < value & value < ma), min_val, max_val)]

# 按value排序
sorted_dat <- dat[order(value)]

# 生成分组ID：当当前行的min_val大于等于前一组的最大max_val时，新建分组
sorted_dat[, id := cumsum(min_val >= shift(cummax(max_val), fill = -Inf))]

# 将ID合并回原数据（若不需要保持原始顺序可跳过此步）
dat[sorted_dat, on = .(value), id := i.id]

关于你尝试的mean方法说明 #

你之前尝试用均值生成ID的思路存在误区：直接计算mean(value)会得到整个列的均值，而非组内均值。只有先完成分组，才能通过dat[, mean_val := mean(value), by = id]生成组内均值作为标识，但使用连通分量的整数ID更简洁高效。

内容的提问来源于stack exchange，提问作者iuliux