Создайте новые уникальные идентификационные номера (идентификаторы)

Вы можете сделать следующее:

library(data.table)
setDT(mydata)[, id:=paste0(id, "-", rowid(id))]

Выход:

       id  year maledummy
   <char> <num>     <num>
1: R001-1  2014         1
2: R002-1  2014         0
3: R002-2  2015         0
4: R003-1  2014         1
5: R003-2  2015         1
6: R003-3  2017         1

Используя пакет dplyr с базовыми функциями R paste0() и sample(), вы можете добиться этого. Обратите внимание, что я запустил set.seed(1), чтобы гарантировать воспроизводимость результатов этого примера, опустите set.seed() для вашего реального варианта использования.

Я добавил сюда два варианта:

• вернуть NA, если работник закончил обучение только один раз
• вернуть исходный идентификатор, если работник закончил обучение только один раз

library(dplyr)

mydata <- data.frame(id = c("R001", "R002", "R002", "R003", "R003", "R003"),
                     year = c(2014, 2014, 2015, 2014, 2015, 2017),
                     maledummy = c(1,0,0, 1,1,1))

# set.seed(1)

result <- mydata |>
  group_by(id) |>
  mutate(
    new_id = if_else(n() > 1, paste0(sample(c(LETTERS, 0:9), 4), collapse = ""), NA)
         ) |>
  ungroup()

result
# # A tibble: 6 × 4
#   id     year maledummy new_id
#   <chr> <dbl>     <dbl> <chr> 
# 1 R001   2014         1 NA    
# 2 R002   2014         0 NR6U  
# 3 R002   2015         0 NR6U  
# 4 R003   2014         1 UJGI  
# 5 R003   2015         1 UJGI  
# 6 R003   2017         1 UJGI 

result <- mydata |>
  group_by(id) |>
  mutate(new_id = case_when(
    n() > 1 ~ paste0(sample(c(LETTERS, 0:9), 4), collapse = ""),
    TRUE ~ id
  )) |>
  ungroup()

result
# # A tibble: 6 × 4
#   id     year maledummy new_id
#   <chr> <dbl>     <dbl> <chr> 
# 1 R001   2014         1 R001  
# 2 R002   2014         0 O6TF  
# 3 R002   2015         0 O6TF  
# 4 R003   2014         1 JT18  
# 5 R003   2015         1 JT18  
# 6 R003   2017         1 JT18 

Вы можете использовать функцию ниже для создания уникальных комбинаций букв и/или цифр длиной 4.

unique_random <- function(x, n.alpha, n.digit=4-n.alpha, all.unique=TRUE) {
  alphas <- digits <- NULL
  
  if (n.alpha + n.digit != 4) stop("n.alpha and n.digit must sum to 4")
  
    if (all.unique) 
      n <- length(x)
    else
      n <- length(unique(x))

  if (n.alpha>0) {
     ALPHAS <- do.call(paste0, expand.grid(lapply(1:n.alpha, \(x) LETTERS)))
     alphas <- sample(ALPHAS, n)
  }
  if (n.digit>0) {
     DIGITS <- formatC(1:10^n.digit - 1, width=n.digit, flag = "0")
     digits <- sample(DIGITS, n)
  }
  
  if (all.unique)
    paste0(alphas, digits)
  else {
    reps <- rle(x)$lengths
    rep(paste0(alphas, digits), reps)
  }
}

unique_random(mydata2$id, n.alpha=2)
# [1] "XS24" "UR77" "PX75"

unique_random(mydata2$id, 4)
#[1] "JDLO" "CLOI" "VWMF"

unique_random(mydata2$id, 4, all.unique=FALSE)
#[1] "DFFZ" "ROXG" "ROXG"

Другой подход с базой R:

• получить все отдельные буквенно-цифровые 4-граммы:

uids <- apply(combn(c(0:9, letters), 4), 2, \(xs) paste0(xs, collapse = ''))

• отсортируйте свой фрейм данных по id:

mydata <- mydata[order(mydata$id),]

• назначьте отдельный ngram new_id каждому исходному идентификатору, независимо от частоты:

mydata$new_id <- with(mydata,
                      rep(head(uids, length(unique(id))),
                          times = rle(id)$lengths
                      )
)

• установите final_id на id или new_id в зависимости от уникальности:

mydata$final_id <- 
  with(mydata,
       ifelse(id %in% names(Filter(\(x) x > 1, table(id))),
              new_id,
              id
       )
  )

результат:

> mydata
##     id year maledummy new_id final_id
## 1 R001 2014         1   0123     R001
## 2 R002 2014         0   0124     0124
## 3 R002 2015         0   0124     0124
## 4 R003 2014         1   0125     0125
## 5 R003 2015         1   0125     0125
## 6 R003 2017         1   0125     0125