R语言中识别列内匹配字符串并生成对应编号新列的方法

当然可以！在R里有多种简洁高效的方法能实现这个需求——给每个唯一的description值分配对应的唯一编号，哪怕你的数据里有大量唯一值也完全没问题。下面是几个常用的方案，结合你的示例数据演示：

首先先构造你的示例tibble：

library(tibble)
library(dplyr)

# 你的示例数据
df <- tibble(
  block = c(1,1,1,1,1,2,2),
  description = c("enroll", "enroll", "motivated", "motivated", "motivated", "openemail", "openemail")
)

方法1：利用因子转整数（最直观） #

通过将description转为因子，再把因子的水平转为整数，就能快速得到唯一编号：

df <- df %>%
  mutate(desc_id = as.integer(factor(description, levels = unique(description))))

• 这里levels = unique(description)确保编号按照description首次出现的顺序生成；如果不需要这个顺序，去掉该参数即可，默认会按字母顺序分配编号。

方法2：分组后获取组ID（tidyverse风格） #

用dplyr的分组功能，直接为每个分组分配唯一ID：

df <- df %>%
  group_by(description) %>%
  mutate(desc_id = cur_group_id()) %>%
  ungroup()

这个方法代码更语义化，分组后每个description组对应一个唯一ID，顺序和分组的顺序一致。

方法3：Base R原生方法（无需加载包） #

如果不想加载额外包，用match()函数就能实现：

df$desc_id <- match(df$description, unique(df$description))

match()会返回每个description元素在unique(df$description)向量中的位置，也就是对应的唯一编号，效率很高。

最终结果示例 #

执行上述任意方法后，你的tibble会变成这样：

df
#> # A tibble: 7 × 3
#>   block description desc_id
#>   <dbl> <chr>         <int>
#> 1     1 enroll            1
#> 2     1 enroll            1
#> 3     1 motivated         2
#> 4     1 motivated         2
#> 5     1 motivated         2
#> 6     2 openemail         3
#> 7     2 openemail         3

额外需求：自定义编号映射 #

如果需要给特定的description分配自定义编号（比如不是从1开始的连续数），可以先创建一个映射表，再通过左连接实现：

# 创建自定义映射表
desc_mapping <- tibble(
  description = c("enroll", "motivated", "openemail"),
  desc_id = c(101, 202, 303) # 自定义编号
)

# 左连接完成映射
df <- df %>%
  left_join(desc_mapping, by = "description")

内容的提问来源于stack exchange，提问作者melbez