如何在R中高效识别重复值并正确重排数字序列？

需求背景 #

需要编写R语言循环代码，识别数字序列中不允许存在的重复值，并反复将数字重排为正确序列。当前代码可正常运行，但ckDupes中的重复值识别与重排逻辑较为繁琐，需优化为更清晰高效的实现方式以适配后续迭代循环。

原始代码 #

library(dplyr)

dat <- data.frame(Element= c("X","X","X","X","R"),
                  Code = c(1.1,2.1,2.2,2.2,3))

uniqCodes <- dat %>% select(Code) %>% distinct()

ckDupes <- dat %>% 
  mutate(cntDupes1 = sapply(1:n(), function(x) sum(Element[1:x]==Element[x] & Code[1:x] == Code[x]))-1) %>%
  mutate(reCode1 = ifelse(cntDupes1 > 0,uniqCodes[match(Code,uniqCodes$Code)+cntDupes1,],Code)) %>%
  mutate(cntDupes2 = sapply(1:n(), function(x) sum(Element[1:x]==Element[x] & reCode1[1:x] == reCode1[x]))-1)

优化后的代码 #

library(dplyr)

dat <- data.frame(Element= c("X","X","X","X","R"),
                  Code = c(1.1,2.1,2.2,2.2,3))

# 将唯一Code转为向量，提升索引效率
uniqCodes_vec <- dat %>% distinct(Code) %>% pull(Code)

ckDupes <- dat %>%
  # 按Element和Code分组，计算每组内的累计重复次数（当前行之前的重复数）
  group_by(Element, Code) %>%
  mutate(cntDupes1 = row_number() - 1) %>%
  ungroup() %>%
  # 为重复项分配下一个连续的Code值
  mutate(reCode1 = ifelse(cntDupes1 > 0, uniqCodes_vec[match(Code, uniqCodes_vec) + cntDupes1], Code)) %>%
  # 再次检查重排后的Code在同一Element内的重复情况
  group_by(Element, reCode1) %>%
  mutate(cntDupes2 = row_number() - 1) %>%
  ungroup()

优化说明 #

• 替换低效循环：用dplyr的分组窗口函数row_number()替代sapply循环计算累计重复数，实现向量化操作，大幅提升处理速度（尤其针对大数据集）。
• 简化索引操作：将uniqCodes从数据框转为向量，直接通过索引访问元素，代码更简洁且效率更高。
• 逻辑保持一致：优化后的代码完全保留原始逻辑，但结构更清晰、可读性更强，更适合后续嵌入迭代循环中使用。

内容的提问来源于stack exchange，提问作者Village.Idyot