生成新的唯一 ID 号，同时排除 R 中先前生成的 ID 号答案

【问题标题】：Generate new unique ID numbers while excluding previously generated ID numbers in R生成新的唯一 ID 号，同时排除 R 中先前生成的 ID 号
【发布时间】：2020-09-29 20:21:39
【问题描述】：

我想为我的数据库中的行生成唯一 ID。我将持续向该数据库添加条目，因此我需要同时生成新的 ID。虽然我的数据库相对较小，而且复制随机 ID 的可能性很小，但我仍然想构建一个程序化的故障安全机制，以确保我永远不会生成过去已经使用过的 ID。

对于初学者，这里有一些我可以用来启动示例数据库的示例数据：

library(tidyverse)
library(ids)
library(babynames)
    
database <- data.frame(rid = random_id(5, 5), first_name = sample(babynames$name, 5))

print(database)
          rid first_name
1  07282b1da2      Sarit
2  3c2afbb0c3        Aly
3  f1414cd5bf    Maedean
4  9a311a145e    Teriana
5  688557399a    Dreyton

这里有一些示例数据，我可以使用它们来表示将附加到现有数据库中的新数据：

new_data <- sample(babynames$name, 5)

print(new_data)

 first_name
1    Hamzeh
2   Mahmoud
3   Matelyn
4    Camila
5     Renae

现在，我想要的是使用 random_id 函数绑定随机生成的新 ID 列，同时检查以确保新生成的 ID 不匹配 database 对象中的任何现有 ID。如果生成器创建了一个相同的 ID，那么理想情况下它会生成一个新的替换，直到创建一个真正唯一的 ID。

任何帮助将不胜感激！

更新

我想到了一种可能会有所帮助但仍然有限的可能性。我可以生成新的 ID，然后使用for() 循环来测试现有数据库中是否存在任何新生成的 ID。如果是这样，那么我会重新生成一个新的 ID。比如……

new_data$rid <- random_id(nrow(new_data), 5)

for(i in 1:nrow(new_data)){
  if(new_data$rid[i] %in% unique(database$rid)){
    new_data$rid[id] = random_id(1, 5)
  }
}

这种方法的问题是我需要构建无穷无尽的嵌套if 语句流，以再次针对原始数据库持续测试新生成的值。我需要一个流程来继续测试，直到生成原始数据库中没有的真正唯一值。

【问题讨论】：

也许您正在寻找ids::uuid() 函数。 cran.r-project.org/web/packages/ids/vignettes/ids.html
@manotheshark，我看不出ids::uuid() 函数将如何解决我的问题。它只是一个用于生成不同类型 ID 的函数，它不一定会根据预先存在的 ID 向量检查新生成的 ID。

标签： r dplyr uniqueidentifier unique-key ids

【解决方案1】：

使用ids::uuid() 可能会避免检查重复的 id 值。事实上，如果你要生成 10 万亿个 uuid，那么每个What is a UUID?

这是一个无需进行任何迭代即可快速检查重复值的基本函数：

anyDuplicated(1:4)
[1] 0

anyDuplicated(c(1:4,1))
[1] 5

上面的第一个结果显示没有重复值。第二个显示元素 5 是重复的，因为 1 被使用了两次。下面是如何在不迭代的情况下进行检查，new_data 复制了database$rid，因此所有五个都是重复的。这将重复，直到所有 rid 都是唯一的，但请注意，它假定所有现有的 database$rid 都是唯一的。

library(ids)
set.seed(7)
new_data$rid <- database$rid
repeat {
  duplicates <- anyDuplicated(c(database$rid, new_data$rid))
  if (duplicates == 0L) {
    break
  }
  new_data$rid[duplicates - nrow(database)] <- random_id(1, 5)
}

所有new_data$rid 都已替换为唯一值。

rbind(database, new_data)

          rid first_name
1  07282b1da2      Sarit
2  3c2afbb0c3        Aly
3  f1414cd5bf    Maedean
4  9a311a145e    Teriana
5  688557399a    Dreyton
6  52f494c714     Hamzeh
7  ac4f522860    Mahmoud
8  ffe74d535b    Matelyn
9  e3dccc4a8e     Camila
10 e0839a0d34      Renae

【讨论】：

虽然这很有趣，并为我的解决方案提供了一个解决方法，但它不一定能解决我提出的问题的初衷。您提供了一个减少冲突和替换重复的机会的机会。但是，重点是在排除旧 ID 的同时生成新 ID。您的流程仍然没有捕捉到被替换的副本也与之前生成的 ID 匹配的情况。
我生成的 ID 会经常被其他人输入。所以，我必须妥协一点，减少唯一 ID 的长度，增加 ID 生成冲突的机会。这意味着我确实需要一个在时尚上有点迭代的过程，以根据先前生成的 ID 的旧向量验证新 ID，并创建新 ID，直到创建真正唯一的 ID。
@Craig 如果您要在有重复条目的情况下以编程方式替换它，为什么还要让用户创建一个 ID？第一段以外的所有内容都集中在您的问题上。最后一个示例被扩展为重复，直到new_data$rid中没有重复条目
我从未说过用户会创建 ID，只是会经常输入它们。感谢您扩展您的答案；这正是我所需要的。

【解决方案2】：

这个答案的灵感来自 @manotheshark 的答案，有 2 个主要变化：

这是一个函数。
我更改了替换副本的机制。不是像@manotheshark 那样在每次迭代中循环和替换一个重复项，而是将它们替换为更大的块。

library(ids)

generate_random_unique_ids <- function(n) {
  vec_ids <- ids::random_id(n = n, bytes = 4, use_openssl = FALSE)
  repeat {
    duplicates <- duplicated(vec_ids)
    if (!any(duplicates)) {
      break
    }
    vec_ids[duplicates] <- ids::random_id(n = sum(duplicates), bytes = 4, use_openssl = FALSE)
  }
  vec_ids
}

例如一些时间

library(tictoc)

tic()
v_1e6 <- generate_random_unique_ids(1e6)
toc()
#> 7.14 sec elapsed

tic()
v_3e7 <- generate_random_unique_ids(3e7)
toc()
#> 296.42 sec elapsed

很想知道是否有办法优化此功能以获得更快的执行时间。

【讨论】：