使用R将值重新编码为新变量

Question

我有一个带有变量的数据集，我需要通过重新编码为其他变量来更改匿名性。 有20,000个条目，有些是重复的，所以我的数据看起来像这样：

DCD97568
DCD23547
DCD27656
DCD27656
DCD87590

我想要的最终产品是一个新变量，如下所示：

DCD00001
DCD00002
DCD00003
DCD00003
DCD00004

谢谢！

更新：

我需要处理原始变量中的一些NA条目，并且我希望这些变量成为新变量中的NA。

DCD14579
DCD21548
NA
DCD79131
DCD79131
DCD12313

会成为

DCD00001
DCD00002
NA
DCD00003
DCD00003
DCD00004

Answer 1

我们可以使用sprintf进行match

df1$Col1 <- sprintf("DCD%05d", match(df1$Col1, unique(df1$Col1)))
df1$Col1
#[1] "DCD00001" "DCD00002" "DCD00003" "DCD00003" "DCD00004"

---

或另一个选择是factor

with(df1, sprintf("DCD%05d", as.integer(factor(Col1, levels = unique(Col1)))))

数据

df1 <- structure(list(Col1 = c("DCD97568", "DCD23547", "DCD27656", "DCD27656", 
"DCD87590")), .Names = "Col1", class = "data.frame",
 row.names = c(NA, -5L))

Answer 2

使用data.table rleid ，感谢一些评论， 这里的假设是数据是按顺序排列的，或者一旦对数据进行排序就可以使用它 ：

x <- c("DCD97568",
       "DCD23547",
       "DCD27656",
       "DCD27656",
       "DCD87590")

new <- paste0("DCD000",data.table::rleid(x))

> new
[1] "DCD0001" "DCD0002" "DCD0003" "DCD0003"
[5] "DCD0004"