如何为DataFrame重复值添加a/b/c后缀去重（除首个出现值）

针对大规模DataFrame中重复ID的批量处理需求，这里提供两种高效的实现方案，无需手动查找重复值，自动完成分组和后缀添加：

方法一：使用dplyr（tidyverse生态） #

借助分组函数和行序号标记，快速完成重复ID的后缀拼接：

library(dplyr)

# 加载示例数据
df = structure(list(id = c(1, 1, 1, 1, 2, 2, 2, 2, 35555, 35555, 35555
), year = c(2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 
2022, 2022)), class = "data.frame", row.names = c(NA, -11L))

# 处理重复ID
df_processed <- df %>%
  group_by(id) %>%
  mutate(
    id = case_when(
      row_number() == 1 ~ as.character(id),
      TRUE ~ paste0(as.character(id), letters[row_number() - 1])
    )
  ) %>%
  ungroup()

逻辑说明： #

• group_by(id)：按ID分组，确保每个ID的重复值在同一组内处理
• row_number()：为每组内的行生成递增序号，第一个出现的ID序号为1
• case_when：判断是否为组内首行，首行保持ID的字符格式，后续行通过letters向量（R内置的小写字母向量）获取对应后缀，与原ID拼接

方法二：基础R实现（无需额外包） #

如果不想加载第三方包，可使用基础R的ave函数完成分组序号标记：

# 加载示例数据
df = structure(list(id = c(1, 1, 1, 1, 2, 2, 2, 2, 35555, 35555, 35555
), year = c(2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 
2022, 2022)), class = "data.frame", row.names = c(NA, -11L))

# 先将ID转换为字符型
df$id <- as.character(df$id)
# 生成每组内的行序号
seq_ids <- ave(rep(1, nrow(df)), df$id, FUN = seq_along)
# 为非首行ID添加后缀
df$id[seq_ids > 1] <- paste0(df$id[seq_ids > 1], letters[seq_ids[seq_ids > 1] - 1])

逻辑说明： #

• ave(..., FUN = seq_along)：按ID分组，为每组的行分配从1开始的序号
• 通过索引筛选出序号大于1的行，将原ID与letters向量中对应位置的字母拼接（序号减1对应letters的索引，比如序号2对应letters[1]即"a"）

两种方法都能高效处理大规模数据，最终输出结果与需求完全一致。

内容的提问来源于stack exchange，提问作者Ed_Gravy