从 id 组中的非唯一名称创建唯一名称答案

【问题标题】：Create a unique name from non-unique names within id groups从 id 组中的非唯一名称创建唯一名称
【发布时间】：2019-02-07 19:27:43
【问题描述】：

在 id 内，我的数据有多个非唯一的 name 标签。我想创建第三列，以便在非唯一名称的末尾粘贴一个字母以创建唯一名称。

dat <- structure(list(id = c("172262", "172262", "172262", "172262", 
"172504", "172504", "172504", "172507", "172507", "172507"), 
    name = c("Fam", "Fam", "Fam", "CM_fam", "CBT_Fam", "CBT_Fam", 
    "CBT_Fam", "TAU", "CBT_Educ", "CBT_MI")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -10L))

想要的输出是：

id     name     unique_name    
172262 Fam      Fam_a      
172262 Fam      Fam_b      
172262 Fam      Fam_c      
172262 CM_fam   CM_fam    
172504 CBT_Fam  CBT_Fam_a  
172504 CBT_Fam  CBT_Fam_b  
172504 CBT_Fam  CBT_Fam_c  
172507 TAU      TAU       
172507 CBT_Educ CBT_Educ  
172507 CBT_MI   CBT_MI

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以将paste 或sprintf 与letters 一起使用...

dat %>% group_by(id, name) %>% mutate(uname = 
  if (n() > 1) sprintf("%s_%s", name, letters[row_number()]) 
  else name
)

# A tibble: 10 x 3
# Groups:   id, name [6]
   id     name     uname    
   <chr>  <chr>    <chr>    
 1 172262 Fam      Fam_a    
 2 172262 Fam      Fam_b    
 3 172262 Fam      Fam_c    
 4 172262 CM_fam   CM_fam   
 5 172504 CBT_Fam  CBT_Fam_a
 6 172504 CBT_Fam  CBT_Fam_b
 7 172504 CBT_Fam  CBT_Fam_c
 8 172507 TAU      TAU      
 9 172507 CBT_Educ CBT_Educ 
10 172507 CBT_MI   CBT_MI

关于tidyverse（dplyr所属）中的其他字符串操作，可能见stringr和glue。

【讨论】：

【解决方案2】：

你可以使用ave（基础R）

transform(dat, unique_name = 
            ave(name,name, FUN = function(x) {
              if((l <- length(x)) == 1) x
              else paste0(x,"_",letters[seq(l)])
            }))
#        id     name unique_name
# 1  172262      Fam       Fam_a
# 2  172262      Fam       Fam_b
# 3  172262      Fam       Fam_c
# 4  172262   CM_fam      CM_fam
# 5  172504  CBT_Fam   CBT_Fam_a
# 6  172504  CBT_Fam   CBT_Fam_b
# 7  172504  CBT_Fam   CBT_Fam_c
# 8  172507      TAU         TAU
# 9  172507 CBT_Educ    CBT_Educ
# 10 172507   CBT_MI      CBT_MI

还有一个代码高尔夫，虽然不是通用的：

dat$unique_name <- chartr(
  make.unique(dat$name,sep="_"),old="123456789",new="abcdefghi")
dat
# # A tibble: 10 x 3
#        id     name unique_name
#     <chr>    <chr>       <chr>
#  1 172262      Fam         Fam
#  2 172262      Fam       Fam_a
#  3 172262      Fam       Fam_b
#  4 172262   CM_fam      CM_fam
#  5 172504  CBT_Fam     CBT_Fam
#  6 172504  CBT_Fam   CBT_Fam_a
#  7 172504  CBT_Fam   CBT_Fam_b
#  8 172507      TAU         TAU
#  9 172507 CBT_Educ    CBT_Educ
# 10 172507   CBT_MI      CBT_MI

【讨论】：

【解决方案3】：

只是在这里带来一些 data.table 的味道：

library(data.table)
DT <- as.data.table(dat)
DT[, unique_name := if (.N > 1) paste(name, letters[1:.N], sep = "_") 
                    else name, 
   by = .(id, name)]

尽管正如其他人指出的那样，您可能希望将 letters[1:.N] 替换为 1:.N，以防您的重复名称超过 26 个。

【讨论】：

【解决方案4】：

这里有很多选项可供选择，但如果您正在寻找一个相当简单的管道，并且可以接受格式稍有不同的输出，则可以使用 base R 中的make.unique：

library(dplyr)

dat %>% 
  group_by(id, name) %>% 
  mutate(unique_name = make.unique(name))

产量：

   id     name     unique_name
   <chr>  <chr>    <chr>      
 1 172262 Fam      Fam        
 2 172262 Fam      Fam.1      
 3 172262 Fam      Fam.2      
 4 172262 CM_fam   CM_fam     
 5 172504 CBT_Fam  CBT_Fam    
 6 172504 CBT_Fam  CBT_Fam.1  
 7 172504 CBT_Fam  CBT_Fam.2  
 8 172507 TAU      TAU        
 9 172507 CBT_Educ CBT_Educ   
10 172507 CBT_MI   CBT_MI

【讨论】：

【解决方案5】：

tidyverse 的另一种可能性可能是：

 dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(n() > 1) paste(name, letters[1:length(name)], sep = "_") else name)

   id     name     unique_name
   <chr>  <chr>    <chr>      
 1 172262 Fam      Fam_a      
 2 172262 Fam      Fam_b      
 3 172262 Fam      Fam_c      
 4 172262 CM_fam   CM_fam     
 5 172504 CBT_Fam  CBT_Fam_a  
 6 172504 CBT_Fam  CBT_Fam_b  
 7 172504 CBT_Fam  CBT_Fam_c  
 8 172507 TAU      TAU        
 9 172507 CBT_Educ CBT_Educ   
10 172507 CBT_MI   CBT_MI

首先，它按“id”和“name”分组。然后，如果每组的病例数大于1，则将“name”中的值与“name”长度的字母序列组合，否则将“name”中的值赋值。

或者用length()代替n()：

dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(length(name) > 1) paste(name, letters[1:length(name)], sep = "_") else name)

或者用seq_along()代替n()：

dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(any(seq_along(name) != 1)) paste(name, letters[1:length(name)], sep = "_") else name)

或者使用gl() 生成字母的稍微不同的方法：

dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(n() > 1) paste(name, gl(length(name), 1, n(), letters), sep = "_") else name) 

   id     name     unique_name
   <chr>  <chr>    <chr>      
 1 172262 Fam      Fam_a      
 2 172262 Fam      Fam_b      
 3 172262 Fam      Fam_c      
 4 172262 CM_fam   CM_fam     
 5 172504 CBT_Fam  CBT_Fam_a  
 6 172504 CBT_Fam  CBT_Fam_b  
 7 172504 CBT_Fam  CBT_Fam_c  
 8 172507 TAU      TAU        
 9 172507 CBT_Educ CBT_Educ   
10 172507 CBT_MI   CBT_MI

或者：

dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(length(name) > 1) paste(name, gl(length(name), 1, n(), letters), sep = "_") else name)

或者：

dat %>%
 group_by(id, name) %>%
 mutate(unique_name = if(any(seq_along(name) != 1)) paste(name, gl(length(name), 1, n(), letters), sep = "_") else name)

【讨论】：