为数据框中的等效行分配唯一 ID答案

【问题标题】：Assign unique ID to equivalent rows in data frame为数据框中的等效行分配唯一 ID
【发布时间】：2017-06-16 08:55:53
【问题描述】：

我想根据两个（或更多）变量的唯一组合来计算 id 变量。考虑下面的简单示例：

# Example dataframe
mydf <- data.frame(var1 = LETTERS[c(1, 2, 1)], var2 = LETTERS[c(2, 1, 3)])
mydf

# var1 var2
# A    B
# B    A
# A    C

这里，第 1 行和第 2 行应该具有相同的 id，因为 AB 和 BA 表示相同元素的组合。但是，第 3 行有一个不同的 id，因为 AC 组合只出现一次。

# Desired output
cbind(mydf, cid = c(1, 1, 2))

# var1 var2 cid
# A    B    1
# B    A    1
# A    C    2

有什么建议吗？

【问题讨论】：

【解决方案1】：

我们可以逐行sort，用duplicated创建一个逻辑vector并得到cumsum

cbind(mydf, cid = cumsum(!duplicated(t(apply(mydf, 1, sort)))))

【讨论】：

【解决方案2】：

您可以从 factor 中受益，为此输入 base R：

mydf$cid <- as.numeric(factor(apply(mydf,1,function(x) paste0(sort(x), collapse = ""))))

它忽略等效行在数据框中出现的顺序。 cumsum 一次不起作用，比如你的数据框中的第 2 行和第 3 行被切换了。

【讨论】：