R数据框中为i=j及对称i≠j事件分配唯一ID的方法咨询

核心处理逻辑是为每对(i,j)生成统一的分组标识：将两个字符按固定顺序拼接，保证(a,b)和(b,a)生成的标识完全相同，再对不同的标识按首次出现顺序分配编号即可。

基础R实现版本 #

首先运行示例数据生成代码：

set.seed(5)
df <- data.frame(year=rep(c(2010:2011), each=8),
                 i=rep(c('66','66','6','6','65','65','6','6'), times=2),
                 j=rep(c('66','6','66','6','65','6','65','6'), times=2),
                 count=round(runif(8, 0, 5),0))

分组分配ID的处理代码：

# 生成统一分组键：对i、j排序后拼接，保证(i,j)和(j,i)的键一致
df$group_key <- apply(df[, c("i", "j")], 1, function(x) paste(sort(x), collapse = "_"))
# 先给i=j的行统一赋值为0
df$group_id <- ifelse(df$i == df$j, "0", NA)
# 提取i≠j的唯一分组键，按首次出现顺序分配1及以上的编号
unique_keys <- unique(df$group_key[df$i != df$j])
key_map <- setNames(as.character(seq_along(unique_keys)), unique_keys)
# 把编号匹配回原数据
df$group_id[is.na(df$group_id)] <- key_map[df$group_key[is.na(df$group_id)]]
# 可选：删除中间生成的辅助列group_key
df$group_key <- NULL

处理后的数据完全符合要求：所有i=j的行group_id为0，66_6和6_66的group_id为1，65_6和6_65的group_id为2。

tidyverse简洁实现版本 #

如果习惯使用dplyr语法，可以用更高效的写法：

library(dplyr)
df <- df %>%
  mutate(
    # 用pmin/pmax按数值排序拼接，比apply效率更高
    group_key = paste(pmin(i,j), pmax(i,j), sep = "_"),
    group_id = case_when(
      i == j ~ "0",
      TRUE ~ as.character(match(group_key, unique(group_key[i != j])))
    )
  ) %>%
  select(-group_key)

内容的提问来源于stack exchange，提问作者James R.