R语言如何按条件分组生成规则递增的New_Record_ID

基于数据集中的Stores、Current_Record_ID两列生成新列New_Record_ID，规则如下：

• 基础规则：同一Current_Record_ID分组下，每2个Stores共用同一个New_Record_ID，超出2个门店时New_Record_ID依次+1递增，所有分组按顺序顺延赋值，不重置计数
• 拓展规则：支持自定义单个New_Record_ID关联的最大门店数（如拓展需求要求上限为100），适配包含n个门店的大规模数据集

第一组测试数据集 #

df <- data.frame(
  Stores = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12),
  Current_Record_ID = c(1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4)
)

第二组测试数据集 #

df <- data.frame(
  Stores = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20),
  Current_Record_ID = c(1, 1, 2, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 6, 7, 7, 7, 8)
)

核心采用向量化计算逻辑，无嵌套循环，性能足以支撑千万行级大规模数据集，支持自定义单ID关联的门店上限。
首先加载dplyr包，封装通用生成函数：

library(dplyr)

gen_new_record_id <- function(df, max_per_id = 2) {
  df %>%
    # 按Current_Record_ID分组，为组内门店生成顺序编号
    group_by(Current_Record_ID) %>%
    mutate(
      inner_rank = row_number(),
      # 按max_per_id切分组内分段
      seg_id = ceiling(inner_rank / max_per_id)
    ) %>%
    ungroup() %>%
    # 识别分段边界，全局生成连续递增的New_Record_ID
    mutate(
      New_Record_ID = cumsum(
        c(1, as.integer(
          (Current_Record_ID[-1] != Current_Record_ID[-n()]) |
          (seg_id[-1] != seg_id[-n()])
        ))
      )
    ) %>%
    # 移除计算过程生成的临时列
    select(-inner_rank, -seg_id)
}

调用方式 #

• 满足基础规则（每2个门店共用1个New_Record_ID）：直接传入数据集即可

  df_result <- gen_new_record_id(df)
  

• 满足拓展需求（单个New_Record_ID关联门店数不超过100）：修改max_per_id参数

  df_result <- gen_new_record_id(df, max_per_id = 100)
  

• 第一组测试集运行基础规则后，New_Record_ID列输出为c(1,1,2,2,3,3,4,4,5,5,6,6)，完全匹配规则要求
• 第二组测试集运行基础规则后，New_Record_ID列输出为c(1,1,2,3,3,4,5,5,6,6,7,7,8,9,9,10,11,11,12,13)，符合跨组顺延、超2个门店自动ID+1的逻辑
• 大规模数据集场景下，向量化计算的性能远高于逐行循环写法，设置max_per_id=100即可自动完成ID切分，不会出现单ID关联门店数超阈值的问题

内容的提问来源于stack exchange，提问作者Shank