根据 R 中另一列中的唯一值创建升序值列，并批量添加新数据

Question

我在 Python (How to create column of ascending values based on unique values in another column in pandas) 中提出了类似的问题，并让脚本正常工作，但由于各种原因，我现在需要在 R 中实现相同的功能。我还增加了希望能够定期向数据集添加新批次数据的复杂性。

我有一个具有唯一样本 ID 号（“Sample_ID”）的样本列表。数据集的每一行都是一个样本。一些样本被重复多次。我想创建一组新的样本名称（“Sample_code”），当您使用前缀（例如“SAMP00001”、“SAMP00002”等）向下行时，它从 1 上升。我希望保留行的顺序（因为它们大致按照样本收集的日期顺序）。对于重复的样本，我希望为 Sample_code 指定的数字对应于样本 ID 出现的第一行，而不是表格下方的行（稍后在样本集合中出现）。

我的起始数据用df1说明：

# df1
Sample_ID <- c('123123','123456','123123','123789')
Date <- c('15/06/2019', '23/06/2019', '30/06/2019', '07/07/2019')
Variable <- c("blue","red","red","blue")
Batch <- 1
df1 <- data.frame(Sample_ID, Date, Variable, Batch)
df1

我想创建 df1b 中显示的 Sample_code 列：

# df1b
Sample_ID <- c('123123','123456','123123','123789')
Date <- c('15/06/2019', '23/06/2019', '30/06/2019', '07/07/2019')
Variable <- c("blue","red","red","blue")
Batch <- 1
Sample_code <- c('SAMP0001', 'SAMP0002', 'SAMP0001', 'SAMP0003')

df1b <- data.frame(Sample_ID, Date, Variable, Batch, Sample_code)
df1b

此时我将保存 df1b 以及用于下游处理的 Sample_code 名称。增加的复杂性是因为我将收集一批新样本 - 我们称之为 df2（第 2 批样本）：

# df2
Sample_ID <- c('456789', '123654', '123123', '123789', '121212')
Date <- c('15/07/2019', '31/07/2019', '12/08/2019', '27/08/2019', '31/08/2019')
Variable <- c("blue", "red","blue", "red", "red")
Batch <- 2

df2 <- data.frame(Sample_ID, Date, Variable, Batch)
df2

我想将 df2 绑定到 df1 的底部，并为新行生成更多 Sample_code 名称。重要的是，新的 Sample_code 名称需要考虑 df1 中存在的任何 Sample_ID 重复项，但也不要更改在我只有 df1 时已经分配回的任何 Sample_code 名称。此时的结果将是 df2b，如下：

# df2b
Sample_ID <- c('123123','123456','123123','123789','456789', '123654', '123123', '123789', '121212')
Date <- c('15/06/2019', '23/06/2019', '30/06/2019', '07/07/2019', '15/07/2019', '31/07/2019', '12/08/2019', '27/08/2019', '31/08/2019')
Variable <- c("blue","red","red","blue","blue", "red","blue", "red", "red")
Batch <- c(1,1,1,1,2,2,2,2,2)
Sample_code <- c('SAMP0001', 'SAMP0002', 'SAMP0001', 'SAMP0003', 'SAMP0004', 'SAMP0005', 'SAMP0001', 'SAMP0003', 'SAMP0006')
df2b <- data.frame(Sample_ID, Date, Variable, Batch, Sample_code)
df2b

然后我会以同样的方式添加第 3 批样本，等等。

我知道这个问题至少有两个阶段：1）使用唯一的 Sample_ID 值生成 Sample_code 名称的升序列表； 2) 以迭代方式添加批次样本。但是因为第二点会影响我想要的 Sample_code 名称的功能，所以我在此处包含了两个阶段。

最后 - 理想情况下，我只想为此使用基本 R 和 tidyverse 包。

非常感谢任何帮助！谢谢。

Answer 1

由于您需要在分配示例代码之前知道所有可能的示例 ID，因此请考虑通过在所有示例数据帧上调用 rbind 来颠倒顺序。然后使用factor 级别分配Sample_code。否则，为每个批次数据帧重新分配 Sample_code。

# BUILD A LIST OF DATA FRAMES BY CALLING lapply ON ITERATIVE PROCESS 
# df_list <- lapply(batch_iterable, method_to_build_sample)
df_list <- list(df1, df1b, df2)       # FOR THIS PARTICULAR POST

# RBIND ALL DFs TOGETHER
df2b <- do.call(rbind, df_list)

df2b <- within(df2b, {
    # CONVERT TO CHARACTER
    Sample_ID <- as.character(Sample_ID)

    # CONVERT TO FACTOR AT POSITIONED VALUES, THEN INTEGER FOR LEVEL NUMBER
    Sample_code <- as.character(as.integer(factor(Sample_ID, levels = unique(Sample_ID))))

    # RE-ASSIGN WITH SAMP AND LEADING ZEROS 
    Sample_code <- ifelse(nchar(Sample_code) == 1, paste0('SAMP000', Sample_code),
                          ifelse(nchar(Sample_code) == 2, paste0('SAMP00', Sample_code),
                                ifelse(nchar(Sample_code) == 3, paste0('SAMP0', Sample_code), NA)
                         )
                   )
})

df2b
#   Sample_ID       Date Variable Batch Sample_code
# 1    123123 15/06/2019     blue     1    SAMP0001
# 2    123456 23/06/2019      red     1    SAMP0002
# 3    123123 30/06/2019      red     1    SAMP0001
# 4    123789 07/07/2019     blue     1    SAMP0003
# 5    456789 15/07/2019     blue     2    SAMP0004
# 6    123654 31/07/2019      red     2    SAMP0005
# 7    123123 12/08/2019     blue     2    SAMP0001
# 8    123789 27/08/2019      red     2    SAMP0003
# 9    121212 31/08/2019      red     2    SAMP0006