重复样本ID/结果，并使用R重新编码为唯一和缺失

我有一个由样本ID和相应的结果变量组成的数据集。但是，我的数据集中有一些重复的示例ID。我想做的是识别重复的样本ID，并将此样本ID重新编码为唯一名称，然后将结果变量重新编码为缺失。我知道删除整行会更容易，但我需要保留行数

所以我有这样一个数据集：

dt<- data.frame(ID=c("A", "B", "A", "C"), Outcome=c("1", "1", "1", "1"))

dt1<- data.frame(ID=c("A", "B", "A.1", "C"), Outcome=c("1", "1", "-9", "1"))

---

dt数据集列为
factor
class。我将在
data.frame
调用中使用
stringsAsFactors=FALSE
创建类为“character”的非数字列。原因是，如果我们要更改“因子”类中的某些值/替换某些级别，我们需要将该新“值”作为该“因子”的“级别”之一。为了避免这种情况，我将已经存在的“factor”列转换为“character”。在本例中，两列都是“factor”类。因此，我们使用
lappy
循环遍历“dt”列，并将列更改为“character”（
as.character
）

在我们将“ID”转换为
唯一的
ID之后，我们可以检查该列中的
，并将“结果”列中的相应元素替换为-9

 dt$Outcome[grep('[.]', dt$ID)] <- -9
 dt
 #   ID Outcome
 #1   A       1
 #2   B       1
 #3 A.1      -9
 #4   C       1

你考虑过或尝试过什么？问题是什么？如果你在一些名字中已经有合法的点，
grep
是危险的。相反，在原件上使用重复的检查<代码>转换（dt，ID=make.unique（as.character（ID）），结果=ifelse（重复的（ID），-9，结果））

 dt$ID <- make.unique(dt$ID)

 dt$Outcome[grep('[.]', dt$ID)] <- -9
 dt
 #   ID Outcome
 #1   A       1
 #2   B       1
 #3 A.1      -9
 #4   C       1

 transform(dt,
       ID=make.unique(as.character(ID)), #change the ID column
       Outcome=ifelse(duplicated(ID),-9, ​Outcome)) #change Outcome