R语言按组随机化DataFrame用户ID：生成不重复新ID方法问询

你之前的问题出在分组内单独抽样——每个用户组都独立从ID池里选一个，自然容易撞车。正确的思路是先给所有唯一用户建立一份全局的随机ID映射关系，再把这个映射匹配回原数据，这样每个旧ID只会对应一个唯一的新ID。

下面给你两种常用的实现方式：

方法1：用基础R实现 #

# 1. 提取所有唯一用户ID
unique_users <- unique(data$user)

# 2. 生成不重复的随机新ID（这里用1到唯一用户数的随机排列，也可以指定范围比如1:100）
new_ids <- sample(length(unique_users))  
# 如果要指定固定范围比如1-100，改成：sample(1:100, length(unique_users), replace = FALSE)

# 3. 建立旧ID到新ID的映射表
id_map <- data.frame(user = unique_users, anon = new_ids)

# 4. 把映射合并回原数据框
data_anon <- merge(data, id_map, by = "user")

方法2：用dplyr（更简洁） #

library(dplyr)

# 1. 先为每个唯一用户生成唯一的随机新ID
id_map <- data %>%
  distinct(user) %>%  # 提取所有唯一用户
  mutate(anon = sample(row_number()))  
# 同样可以换成指定范围：sample(1:100, n(), replace = FALSE)

# 2. 左连接回原数据，保证所有行都能匹配到对应新ID
data_anon <- data %>%
  left_join(id_map, by = "user")

为什么之前的代码无效？ #

你之前的group_by(user) %>% mutate(anon = rep(sample(...), n()))逻辑是：每个用户组单独从100个ID里抽1个，再重复给该用户的所有行。这就像100个人每人抽一张1-100的彩票，必然会有重复的情况。而全局映射法是先把100个新ID一次性分配给100个旧ID，每个新ID只对应一个旧用户，从根源上避免了重复。

内容的提问来源于stack exchange，提问作者Tabea