R语言：基于data.table有序列创建ID列顺序异常问题

我来帮你搞定这个问题！首先咱们先把你遇到的场景复现出来，这样更容易定位问题所在。假设你的测试数据是这样的（模拟连续分组的情况）：

library(data.table)
# 测试数据：group列有连续的A、B、A序列
dt <- data.table(
  group = c("A", "A", "B", "B", "A", "A"),
  value = c(1, 2, 3, 4, 5, 6)
)

常见错误用法及问题 #

如果你之前用了.GRP来生成ID，比如：

dt[, id := .GRP, by = group]

得到的结果会是：

这显然和你的预期不符——你想要的应该是连续出现的分组对应递增的ID（也就是最后两个A的ID是3，而不是1）。问题出在.GRP是根据分组的唯一值分配ID，不管分组出现的顺序，只要是同一个group，ID就不变。

正确解决方案：用rleid()函数 #

data.table专门提供了rleid()函数来处理这种连续分组生成ID的需求，它会监测列值的变化，每一次值发生变化时就递增ID：

dt[, id := rleid(group)]

执行后得到的结果完全符合预期：

额外注意事项 #

1. 先确保数据有序：如果你的数据不是按你期望的顺序排列（比如有时间列但未排序），一定要先排序再生成ID，否则连续分组会被打乱：

   # 乱序的测试数据
   dt <- data.table(
     date = as.Date(c("2023-01-03", "2023-01-01", "2023-01-02")),
     group = c("B", "A", "A")
   )
   # 先按date排序
   dt <- dt[order(date)]
   # 再生成ID
   dt[, id := rleid(group)]
   

2. 多列连续分组：如果需要基于多个列的连续变化生成ID，直接把多个列传给rleid()即可：

   dt[, id := rleid(group, value)]
   

这样就能完美解决你遇到的ID顺序不符合预期的问题啦！

内容的提问来源于stack exchange，提问作者mikew