R语言如何基于gender列生成带21段、分性别重置的唯一标识符

规则对齐说明 #

结合给出的示例输出，实际计数逻辑为：按gender的取值分组，每个gender类别从0001开始按行出现顺序累计计数，不因中途插入其他gender值重置序号，最终拼接为「gender取值 + 固定值21 + 4位补零顺序号」的格式。
如果按照相邻行gender变化就重置序号的逻辑，示例中第6行的F类数据会重新从0001开始编号，和给定输出F210004不匹配，这点需要注意区分。 #

方案1：dplyr 实现 #

适配5000行规模的结构化数据处理，代码可读性高：

library(dplyr)

df <- df %>%
  group_by(gender) %>%
  mutate(id = paste0(gender, "21", sprintf("%04d", row_number()))) %>%
  ungroup()

代码逻辑：

• group_by(gender)按gender值拆分数据组
• row_number()在每个组内按原始行顺序生成从1开始的连续序号
• sprintf("%04d", ...)将序号补零为4位长度（如1转成0001）
• 拼接完成后用ungroup()解除分组状态，避免影响后续分析

方案2：Base R 原生实现 #

无需加载额外包，适配轻量化场景：

df$id <- paste0(
  df$gender,
  "21",
  sprintf("%04d", ave(seq_len(nrow(df)), df$gender, FUN = seq_along))
)

代码逻辑：

• ave()函数按gender分组，为每组生成从1开始的连续序号
• 后续拼接、补零逻辑和dplyr方案完全一致

输出验证 #

以上两个方案生成的结果和给出的期望输出完全一致：

内容的提问来源于stack exchange，提问作者L R