R-按变量分组，然后分配唯一ID

我感兴趣的是去识别同时具有时间固定值和时变值的敏感数据集。我想（a）根据社会保险号对所有案例进行分组，（b）为这些案例分配唯一的ID，然后（c）删除社会保险号

下面是一个示例数据集：

personal_id    gender  temperature
111-11-1111      M        99.6
999-999-999      F        98.2
111-11-1111      M        97.8
999-999-999      F        98.3
888-88-8888      F        99.0
111-11-1111      M        98.9

非常感谢任何解决方案。

使用dplyr软件包：

library(dplyr)
data <- data.frame(personal_id = c("111-111-111", "999-999-999", "222-222-222", "111-111-111"),
                 gender = c("M", "F", "M", "M"),
                 temperature = c(99.6, 98.2, 97.8, 95.5))

然后将案例数据框与您的数据连接起来：

data <- left_join(data, cases, by = c("personal_id" = "levels"))

最后删除个人id和简单id：

select(-personal_id, -id)

你看：）：

---

dplyr

具有创建唯一组ID的

组索引

功能

library(dplyr)
data <- data.frame(personal_id = c("111-111-111", "999-999-999", "222-222-222", "111-111-111"),
                       gender = c("M", "F", "M", "M"),
                       temperature = c(99.6, 98.2, 97.8, 95.5))

data$group_id <- data %>% group_indices(personal_id) 
data <- data %>% select(-personal_id)

data
  gender temperature group_id
1      M        99.6        1
2      F        98.2        3
3      M        97.8        2
4      M        95.5        1

dplyr:：group_index（）

从

dplyr 1.0.0

开始就不推荐使用

dplyr:：cur\u group\u id（）

应改为：

df %>%
 group_by(personal_id) %>%
 mutate(group_id = cur_group_id())

  personal_id gender temperature group_id
  <chr>       <chr>        <dbl>    <int>
1 111-11-1111 M             99.6        1
2 999-999-999 F             98.2        3
3 111-11-1111 M             97.8        1
4 999-999-999 F             98.3        3
5 888-88-8888 F             99          2
6 111-11-1111 M             98.9        1

df%>%
分组人（个人id）%>%
变异（组id=cur\u组id（））
个人识别号性别温度组识别号
1111-11-1111米99.6 1
2999-999-999 F 98.2 3
3111-11-1111米97.8 1
4 999-999-999 F 98.3 3
5888-88-8888 F 99 2
6111-11-1111米98.9 1

也许是一个懒惰的解决方案，但我想你可以把社会保险号码散列出来。一种方法是

set.seed（1234）；级别（个人\u id）不幸的是，
group\u index（）
似乎会在创建组id之前自动对个人\u id进行排序，这并不总是需要的。
group\u index（）
在dplyr 1.0.0中被弃用。请立即使用
cur\u group\u id（）
。这应该是新的公认答案！
mutate(UID = paste(id, gender, sep=""))

select(-personal_id, -id)

data <- left_join(data, cases, by = c("personal_id" = "levels")) %>%
        mutate(UID = paste(id, gender, sep="")) %>%
        select(-personal_id, -id)

  gender temperature UID
1      M        99.6  1M
2      F        98.2  3F
3      M        97.8  2M
4      M        95.5  1M

library(dplyr)
data <- data.frame(personal_id = c("111-111-111", "999-999-999", "222-222-222", "111-111-111"),
                       gender = c("M", "F", "M", "M"),
                       temperature = c(99.6, 98.2, 97.8, 95.5))

data$group_id <- data %>% group_indices(personal_id) 
data <- data %>% select(-personal_id)

data
  gender temperature group_id
1      M        99.6        1
2      F        98.2        3
3      M        97.8        2
4      M        95.5        1

data %>% 
    mutate(group_id = group_indices(., personal_id))

df %>%
 group_by(personal_id) %>%
 mutate(group_id = cur_group_id())

  personal_id gender temperature group_id
  <chr>       <chr>        <dbl>    <int>
1 111-11-1111 M             99.6        1
2 999-999-999 F             98.2        3
3 111-11-1111 M             97.8        1
4 999-999-999 F             98.3        3
5 888-88-8888 F             99          2
6 111-11-1111 M             98.9        1