如何基于R tibble现有列值新增匹配的匿名ID列

问题原因 #

你写的apply(data, 1, function(x) {random_id(bytes=5)} )是按行遍历执行，每运行一次就生成一个新的随机ID，所以同一个参与者的不同行自然会拿到不同的ID，不符合你的需求。

实现思路 #

核心逻辑是先给所有唯一的原身份ID分配一一对应的随机ID，生成一份映射表，再把映射结果匹配回原数据集的所有行，就能保证同一个参与者的所有行对应同一个匿名ID。

具体实现代码 #

方法1：tidyverse（适配tibble的常用写法） #

首先加载依赖包：

library(dplyr)
library(ids)

1. 生成原ID与匿名ID的映射表

# 请将代码中的 original_id 替换为你实际存储可识别身份ID的列名
id_mapping <- data %>%
  distinct(original_id) %>% # 提取所有不重复的参与者原ID
  mutate(anon_id = random_id(n = n(), bytes = 5)) # 给每个唯一ID分配对应随机ID

2. 把匿名ID匹配回原数据集

data <- data %>%
  left_join(id_mapping, by = "original_id")

如果需要删除原可识别ID，后续直接使用匿名ID，可以再加一步：

data <- data %>%
  select(-original_id)

方法2：Base R写法 #

不需要额外加载dplyr也可以实现：

# 提取所有唯一原ID
unique_original_ids <- unique(data$original_id)
# 生成对应数量的随机ID
anon_ids <- random_id(n = length(unique_original_ids), bytes = 5)
# 匹配回原数据的每一行
data$anon_id <- anon_ids[match(data$original_id, unique_original_ids)]

注意事项 #

• 如果后续需要回溯原ID和匿名ID的对应关系，可以把id_mapping单独存储在加密的安全位置，不要和匿名后的公开数据集一起发布
• 运行前请将示例代码中的original_id替换为你实际的ID列名

内容的提问来源于stack exchange，提问作者shleen