如何利用行索引对在R中为数据框生成标识列？

现有存储调查回复的数据框responses，定义如下：

responses <- data.frame(var1 = c(1,2,2,3,1,2,1), var2 = c("a","a","a","b","a","c","c"))
responses
#   var1 var2
# 1    1    a
# 2    2    a
# 3    2    a
# 4    3    b
# 5    1    a
# 6    2    c
# 7    1    c

需要为responses添加id列，规则由数据框pairs定义：其中两列对应responses中应拥有相同id的行索引：

pairs <- data.frame(x=c(1,1,2,3), y=c(4,5,1,6))
pairs                    
#   x y
# 1 1 4
# 2 1 5
# 3 2 1
# 4 3 6    

期望输出中，行1、2、4、5共享id 1，行3、6共享id 2，行7为唯一id 3：

#   var1 var2 id
# 1    1    a  1
# 2    2    a  1
# 3    2    a  2
# 4    3    b  1
# 5    1    a  1
# 6    2    c  2
# 7    1    c  3

这个问题本质是图的连通分量识别：把responses的每一行看作一个节点，pairs中的每一行(x,y)看作节点x和y之间的一条边，同一连通分量内的节点（行）应分配相同id。用igraph包可以高效解决这个问题：

步骤1：安装并加载igraph包（如果未安装） #

install.packages("igraph")
library(igraph)

步骤2：构建图并提取连通分量ID #

# 将pairs转换为边列表，构建无向图
graph <- graph_from_data_frame(pairs, directed = FALSE)
# 获取每个节点所属的连通分量编号
component_members <- components(graph)$membership

步骤3：将分量ID映射到所有行并整理 #

# 初始化id向量，默认每行id为自身行号
id_vec <- seq_len(nrow(responses))
# 替换已配对行的id为对应连通分量编号
id_vec[as.integer(names(component_members))] <- component_members
# 重新编号，确保id从1开始连续递增
id_vec <- match(id_vec, unique(id_vec))
# 添加id列到responses
responses$id <- id_vec

最终输出 #

运行上述代码后，responses将完全符合期望输出：

responses
#   var1 var2 id
# 1    1    a  1
# 2    2    a  1
# 3    2    a  2
# 4    3    b  1
# 5    1    a  1
# 6    2    c  2
# 7    1    c  3

极简合并写法 #

如果想要更紧凑的代码，可以将步骤2和3合并：

library(igraph)
resp_graph <- graph_from_data_frame(pairs, directed = FALSE)
comp_ids <- components(resp_graph)$membership
full_ids <- seq_len(nrow(responses))
full_ids[as.integer(names(comp_ids))] <- comp_ids
responses$id <- match(full_ids, unique(full_ids))

内容的提问来源于stack exchange，提问作者James Martherus