根据其他两列（纬度、经度）中的值添加唯一 ID 列答案

【问题标题】：Add unique ID column based on values in two other columns (lat, long)根据其他两列（纬度、经度）中的值添加唯一 ID 列
【发布时间】：2021-05-26 20:30:15
【问题描述】：

已提出此问题，但我正在寻找更完整的答案/稍作修改的输出。

我有一个数据集，其 Lat 和 Long 值分别位于不同的列中，并希望为 Lat 和 Long 的每个唯一组合创建一个唯一 ID。

我将借用一个较早的帖子中的示例数据集，提出相同的问题，但我需要稍微不同的解决方案 (Add ID column by group)。

d <- read.table(text='LAT LONG
13.5330 -15.4180 
13.5330 -15.4180 
13.5330 -15.4180 
13.5330 -15.4180 
13.5330 -15.4170 
13.5330 -15.4170 
13.5330 -15.4170 
13.5340 -14.9350 
13.5340 -14.9350 
13.5340 -15.9170 
13.3670 -14.6190', header=TRUE)

给出的解决方案是：

d <- transform(d, Cluster_ID = as.numeric(interaction(LAT, LONG, drop=TRUE)))

#       LAT    LONG Cluster_ID
# 1  13.533 -15.418          2
# 2  13.533 -15.418          2
# 3  13.533 -15.418          2
# 4  13.533 -15.418          2
# 5  13.533 -15.417          3
# 6  13.533 -15.417          3
# 7  13.533 -15.417          3
# 8  13.534 -14.935          4
# 9  13.534 -14.935          4
# 10 13.534 -15.917          1
# 11 13.367 -14.619          5

但是如何让interaction 命令保留顺序，以便上面的第一个 Cluster_ID 为 1（最后一列的完整向量为 1,1,1,1,2,2,2,3,3 ,4,5 而不是 2,2,2,2,3,3,4,4,1,5)？目前尚不清楚新的因子顺序（转换为数字）是如何确定的。

我也一直在尝试使用 dplyr 中的 group_by 找到等效的方法，但无法弄清楚如何将 tibble 表输出为数据框（SO 上的旧解决方案似乎使用了已弃用的 dplyr 命令） .

谢谢！

【问题讨论】：

标签： r dataframe grouping unique

【解决方案1】：

我们可以使用match

transform(d, Cluster_ID = match(paste0(LAT, LONG), unique(paste0(LAT, LONG))))

或将“LAT”、“LONG”转换为序列，然后执行interaction

transform(d, Cluster_ID = as.integer(interaction(match(LAT, 
  unique(LAT)),  match(LONG, unique(LONG)), drop=TRUE, lex.order = FALSE)))

【讨论】：

感谢@akrun，使用匹配转换为序列效果很好！

【解决方案2】：

使用.GRP 的data.table 选项

> setDT(d)[, Cluster_ID := .GRP, .(LAT, LONG)][]
       LAT    LONG Cluster_ID
 1: 13.533 -15.418          1
 2: 13.533 -15.418          1
 3: 13.533 -15.418          1
 4: 13.533 -15.418          1
 5: 13.533 -15.417          2
 6: 13.533 -15.417          2
 7: 13.533 -15.417          2
 8: 13.534 -14.935          3
 9: 13.534 -14.935          3
10: 13.534 -15.917          4
11: 13.367 -14.619          5

或rleid（感谢@akrun 的评论）

> setDT(d)[, Cluster_ID := rleid(LAT, LONG)][]
       LAT    LONG Cluster_ID
 1: 13.533 -15.418          1
 2: 13.533 -15.418          1
 3: 13.533 -15.418          1
 4: 13.533 -15.418          1
 5: 13.533 -15.417          2
 6: 13.533 -15.417          2
 7: 13.533 -15.417          2
 8: 13.534 -14.935          3
 9: 13.534 -14.935          3
10: 13.534 -15.917          4
11: 13.367 -14.619          5

或使用ave + cumsum 的基本 R 选项

transform(
  d,
  Cluster_ID = cumsum(
    ave(1:nrow(d),
      LAT,
      LONG,
      FUN = seq_along
    ) == 1
  )
)

【讨论】：