如何为R语言数据框的每个分组生成长度为n的重复编号？

原始数据集定义 #

test <- data.frame("group" = c(rep("AA",5),rep("BB",3)), "value" = 12:19)

原始数据输出：

test
#>   group value
#> 1    AA    12
#> 2    AA    13
#> 3    AA    14
#> 4    AA    15
#> 5    AA    16
#> 6    BB    17
#> 7    BB    18
#> 8    BB    19

需求说明 #

为每个分组添加从1开始、重复长度为n（示例中n=3）的编号，生成group_n列，最终效果如下：

#>   group value group_n
#> 1    AA    12    AA_1
#> 2    AA    13    AA_1
#> 3    AA    14    AA_1
#> 4    AA    15    AA_2
#> 5    AA    16    AA_2
#> 6    BB    17    BB_1
#> 7    BB    18    BB_1
#> 8    BB    19    BB_1

解决方案 #

方法1：基础R实现（无需额外包）

使用ave()函数按分组计算序号，再拼接字符串：

n <- 3
test$group_n <- paste0(test$group, "_", ave(seq_along(test$group), test$group, FUN = function(x) ceiling(x/n)))

# 查看结果
test

逻辑说明：seq_along()生成每行的全局索引，ave()按group分组处理，ceiling(x/n)将每组内的索引按每n个一组向上取整，得到连续重复的序号，最后用paste0()拼接成分组名_序号的格式。

方法2：tidyverse（dplyr）实现

如果习惯使用tidyverse语法，用分组后生成行号再计算序号：

library(dplyr)

n <- 3
test <- test %>%
  group_by(group) %>%
  mutate(group_n = paste0(group, "_", ceiling(row_number()/n))) %>%
  ungroup()

# 查看结果
test

逻辑说明：group_by(group)按分组拆分数据，row_number()生成每组内的行号，ceiling(row_number()/n)计算每组内的重复序号，最后拼接字符串并取消分组。

内容的提问来源于stack exchange，提问作者ZainNST