R语言遍历数据框列查找重复值并为重复项追加递增序号

你写的for循环存在3个核心问题，直接导致报错和逻辑错误：

• lag()是面向向量的滞后计算函数，你在循环中传入单个标量值df[i,1]做滞后计算，返回结果为NA。if条件判断无法处理NA逻辑值，就会抛出你看到的missing value where TRUE/FALSE needed报错。
• 每次循环开头都重置count <- 0，计数器根本无法实现跨循环累计，即使判断逻辑正确也得不到正确的递增序号。
• 赋值语句df$Promoter <- paste(df[i,1], count, sep=".")会把整个Promoter列替换为当前行的计算结果，而非仅修改当前行的值，逻辑完全错误。
  另外逐行for循环处理78000行数据的运行效率很低，完全没必要用循环实现。

用dplyr的分组计算逻辑可以快速实现需求，按名称分组后给组内行按顺序编号，仅对出现次数≥2的名称拼接后缀即可，运行速度远高于循环：

library(dplyr)

df <- df %>%
  group_by(Promoter) %>%
  mutate(
    occur_total = n(),
    row_seq = row_number(),
    Promoter = ifelse(
      occur_total == 1,
      as.character(Promoter),
      paste0(Promoter, "_", row_seq)
    )
  ) %>%
  ungroup() %>%
  select(-occur_total, -row_seq)

如果不想加载dplyr，也可以用基础R的ave函数实现同样的分组计算逻辑：

# 计算每个名称的组内顺序号
row_seq <- as.numeric(ave(as.character(df$Promoter), df$Promoter, FUN = seq_along))
# 计算每个名称的总出现次数
occur_total <- as.numeric(ave(as.character(df$Promoter), df$Promoter, FUN = length))
# 按规则生成新列
df$Promoter <- ifelse(
  occur_total == 1,
  as.character(df$Promoter),
  paste0(df$Promoter, "_", row_seq)
)

运行上述任意一段代码后，得到的Promoter列取值如下，和你预期的结果完全一致：

[1] "Xkr4_promoter"       "Gm18956_promoter"    "Gm19938_promoter"   
 [4] "Gm37381_promoter_1"  "Gm37381_promoter_2"  "Rp1_promoter_1"     
 [7] "Rp1_promoter_2"      "Gm6101_promoter"     "Gm37483_promoter"   
[10] "Sox17_promoter_1"    "Sox17_promoter_2"    "Sox17_promoter_3"   
[13] "Sox17_promoter_4"

内容的提问来源于stack exchange，提问作者ispeakcat