R语言按ID分组重编码聚类标签且不改变DataFrame行顺序

核心需求 #

对每个id分组下的聚类结果重编码，满足：

• 组内标签从1开始按值首次出现的顺序连续编号
• 全程不调整原数据框的行顺序
• 不同分组的编码独立计算，互不干扰

可直接运行的实现方案 #

1. dplyr 版本（最适合日常数据处理） #

library(dplyr)

reprex_result <- reprex %>%
  group_by(id) %>%
  mutate(what_iWant = match(cluster, unique(cluster))) %>%
  ungroup()

实现逻辑：按id分组后，unique(cluster)会严格保留组内cluster值的首次出现顺序返回去重序列，match()会返回每个原始cluster值在该序列中的位置，刚好就是从1开始的连续编号，运算全程不会改动原数据的行排列顺序。
运行输出和预期结果完全一致：

# A tibble: 8 × 4
     id    v1 cluster what_iWant
  <int> <int>   <dbl>      <int>
1     1     1       2          1
2     1     2       2          1
3     1     3       1          2
4     1     4       3          3
5     2     1       3          1
6     2     2       1          2
7     2     3       2          3
8     2     4       2          3

2. base R 版本（无第三方包依赖） #

不需要加载任何扩展包，原生R即可实现：

reprex$what_iWant <- ave(
  reprex$cluster,
  reprex$id,
  FUN = function(x) match(x, unique(x))
)

3. data.table 版本（大数据量场景性能最优） #

处理十万行以上的大规模数据集时，该版本运算速度显著高于其他方法：

library(data.table)
setDT(reprex)[, what_iWant := match(cluster, unique(cluster)), by = id]

避坑提醒 #

不要使用as.integer(factor(cluster))这类写法：factor默认会按变量值的大小排序后再生成编码，不是按值的首次出现顺序编码，会得到不符合要求的结果。例如id=1组的原始cluster序列是2,2,1,3，factor排序后的值顺序是1,2,3，第一个出现的cluster=2会被编码为2，和预期结果不符。 #

内容的提问来源于stack exchange，提问作者Myriad