You need to enable JavaScript to run this app. R语言:基于两列任意值匹配规则为数据分配唯一分组ID
优惠活动
大模型
产品
解决方案
定价
更多

R语言:基于两列任意值匹配规则为数据分配唯一分组ID

跨维度“或规则”分组实现方案

核心逻辑

普通group_by仅支持“同时匹配多个维度才归为同组”的交集规则,而你的需求是任意维度匹配即归为同组的并集规则,本质是跨维度的连通分量计算:

  • 把color、shape的所有取值视为独立节点
  • 每一行数据对应「该行的color值节点」和「该行的shape值节点」的一条连接边
  • 所有互相连通的节点属于同一个分组,将分组id映射回原行即可得到结果

方法一:图结构快速实现(推荐)

适合数据量较大的场景,性能更好,需要借助图处理工具包:

# 加载依赖
library(tidyverse)
library(igraph)

# 构造原始数据
df <- tibble(
  color = c("blue", "blue", "red", "green", "purple"),
  shape = c("triangle", "square", "circle", "hexagon", "hexagon")
)

# 构造边表:给不同维度的节点加前缀避免取值同名冲突
edges <- df |> 
  mutate(
    from = str_c("color:", color),
    to = str_c("shape:", shape)
  ) |> 
  select(from, to)

# 计算无向图的连通分量,提取节点-分组映射
graph <- graph_from_data_frame(edges, directed = FALSE)
node_group <- tibble(
  node = names(components(graph)$membership),
  group_id = components(graph)$membership
)

# 映射回原数据并调整分组id为连续序列
result <- df |> 
  mutate(node = str_c("color:", color)) |> 
  left_join(node_group, by = "node") |> 
  select(-node) |> 
  mutate(group_id = match(group_id, unique(group_id)))

最终输出的result与目标效果完全一致。

方法二:纯tidyverse迭代实现(无需额外包)

适合小样本数据,不需要安装额外依赖,通过反复合并分组直到收敛:

# 初始为每一行分配唯一分组id
df <- df |> 
  mutate(group_id = row_number())

# 迭代合并:反复按color、shape维度取最小分组id,直到分组不再变化
repeat {
  step1 <- df |> 
    group_by(color) |> 
    mutate(group_id = min(group_id)) |> 
    ungroup()
  
  step2 <- step1 |> 
    group_by(shape) |> 
    mutate(group_id = min(group_id)) |> 
    ungroup()
  
  # 收敛判断:当前分组与上一轮完全一致则停止迭代
  if (all(step2$group_id == df$group_id)) {
    df <- step2
    break
  }
  df <- step2
}

# 调整为连续的分组id
result <- df |> 
  mutate(group_id = match(group_id, unique(group_id)))

两种方法输出结果一致。


内容的提问来源于stack exchange,提问作者John J.

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.13 09:54:03