如何用data.table或dplyr为每个V1因子水平生成连续seq_ID

针对大数据量的场景，data.table的性能优势非常明显，当然dplyr也能轻松搞定这个需求，下面给你两种实用方案：

1. data.table 方案（推荐大数据集） #

data.table内置的rowid()函数专门用来生成分组内的连续序号，操作简洁且速度极快，完全适配超大规模数据集：

library(data.table)

# 假设你的data.table对象名为dt
dt[, seq_ID := paste(V1, rowid(V1), sep = "_")]

原理说明： #

• rowid(V1)会自动按V1的每个因子水平分组，生成从1开始的连续整数序号
• paste()把V1的值和对应的序号拼接成xxx_1、xxx_2的格式
• 整个操作是原地修改，不需要额外复制数据，内存占用极低

2. dplyr 方案（适合tidyverse用户） #

如果你习惯用tidyverse语法，dplyr的分组+行号生成也能实现需求：

library(dplyr)

# 假设你的数据框（或data.table）名为dt
dt <- dt %>%
  group_by(V1) %>%
  mutate(seq_ID = paste(V1, row_number(), sep = "_")) %>%
  ungroup()

原理说明： #

• group_by(V1)按V1分组
• row_number()为每个分组生成连续的序号
• mutate()添加新的seq_ID列，最后ungroup()取消分组状态

两种方案都能生成你需要的结果，比如原数据中k141_100292的两行会生成k141_100292_1和k141_100292_2，k141_100293的五行会生成k141_100293_1到k141_100293_5，完全匹配示例要求。

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