如何使用dplyr为分组内的类别添加连续数字型组标签

嘿，这个需求用dplyr就能轻松搞定！我给你两种常用的实现方式，你可以根据实际需求选择：

方案1：按name的字符顺序生成序号 #

在你现有的代码基础上，只需要在分组后加一行mutate()，用dense_rank()函数就能生成连续的组标签——它会给每个id分组内的相同name分配同一个序号，而且序号是连续不跳号的：

library(dplyr)
set.seed(1)
df <- data.frame(id = sample(c('a','b'), 20, T), 
                 name = sample(c('N1', 'N2', 'N3'), 20, T), 
                 val = runif(20)) %>% 
  group_by(id) %>% 
  arrange(id, name) %>%
  mutate(group_no = dense_rank(name)) # 新增这一行生成序号

运行后得到的结果示例（截取前8行）：

# A tibble: 20 × 4
# Groups:   id [2]
   id    name   val group_no
   <chr> <chr> <dbl>    <int>
 1 a     N1    0.372        1
 2 a     N1    0.908        1
 3 a     N1    0.945        1
 4 a     N2    0.655        2
 5 a     N2    0.697        2
 6 a     N2    0.899        2
 7 a     N3    0.266        3
 8 a     N3    0.380        3
# … with 12 more rows

方案2：按name在分组内首次出现的顺序生成序号 #

如果你希望序号按照name在每个id分组里第一次出现的顺序来分配（而不是字符顺序），可以用factor()结合unique()来指定层级：

library(dplyr)
set.seed(1)
df <- data.frame(id = sample(c('a','b'), 20, T), 
                 name = sample(c('N1', 'N2', 'N3'), 20, T), 
                 val = runif(20)) %>% 
  group_by(id) %>% 
  mutate(group_no = as.integer(factor(name, levels = unique(name)))) %>%
  arrange(id, name) # 按需调整排序

小提示 #

• 因为你已经用group_by(id)做了分组，所以mutate()里的函数会自动在每个id分组内独立计算，不用额外处理跨组的问题。
• dense_rank()是处理这种类别编号的常用工具，它和rank()的区别是不会因为相同值而产生跳号，完全符合你要的连续数字标签需求。

内容的提问来源于stack exchange，提问作者user3375672