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
相关产品推荐

