使用 stringi 在 R 中生成唯一的随机字符串

Question

我有数据，其中每一行都是一个人。我想做一个随机生成的唯一ID，这样我就可以在分析中识别它们。

这是一个示例数据框

df <- data.frame(
  gender = rep(c("M", "F", "M", "M", "F"), 1000),
  qtr = sample(c(1:99), 50000, replace = T),
  result = sample(c(100:1000), 50000, replace = T)
)

为了生成唯一 ID，我使用的是 stringi

library(stringi)
library(magrittr)
library(tidyr)

df <- df %>%
  mutate(UniqueID = do.call(paste0, Map(stri_rand_strings, n=50000, length=c(2, 6),
                                        pattern = c('[A-Z]', '[0-9]'))))

但是，当我通过运行这段代码测试新变量 UniqueID 是否唯一时，我发现有一些重复项。

length(unique(unlist(df[c("UniqueID")])))

有没有一种方法可以生成真正独一无二、没有重复的唯一 ID？

我看过这些问题，但没有回答如何使生成的随机数唯一。 Generating unique random numbers in dataframe column in R Create a dataframe with random numbers in each column

谢谢

Answer 1

生成随机字符串会导致重复，我们可以做的一件事是让随机字符串的规则足够复杂，这样重复出现的概率就会变得非常小。例如，将两个随机字符串组合成一个唯一的 ID like

library(stringi)
df$UniqueID <- paste0(stri_rand_strings(5000, 2, '[A-Z]'), 
                      stri_rand_strings(5000, 6,'[0-9]'))

这大大降低了 UniqueID 被重复的可能性。您可以使用不同的 length 和 pattern 参数尝试各种此类组合来创建唯一 ID。

Answer 2

您可以使用 ids 程序包自动创建唯一 ID。例如，要创建 1000 万个用户 ID，您可以使用：

randos <- ids::random_id(1E6, 4)
# The 2nd term here controls how many bytes are assigned to each ID.
# The default, 16 bytes, makes much longer IDs and crashes my computer

head(randos)
#[1] "31ca372d" "d462e55f" "2374cc78" "15511574" "ecbf2d65" "236cb2d3"

它还有其他不错的功能，例如 adjective_animal 功能，它可以创建更易于人类区分和记忆的 ID。

creatures <- ids::adjective_animal(1E6, n_adjectives = 1)
head(creatures)
#[1] "yestern_lizard"          "insensible_purplemarten"
#[3] "cubical_anhinga"         "theophilic_beaver"      
#[5] "subzero_greyhounddog"    "hurt_weasel"

Answer 3

这可能不是您想要的，但使用您自己的脚本，您始终可以生成更大的随机字符串向量（例如 60,000），并根据需要生成定义数量的唯一字符串的子集（50,000）：

df <- df %>%
  mutate(UniqueID = sample( unique(do.call(paste0, 
                                           Map(stri_rand_strings, n=60000, length=c(2, 6),
                                           pattern = c('[A-Z]', '[0-9]')))), 50000) ) 

length(unique(unlist(df[c("UniqueID")])))

使用 stringi 在 R 中生成唯一的随机字符串

Generate a unique random string in R using stringi

r

string

random

stringi