删除重复值，需要为 R 中删除的重复项分配唯一变量

我稍微重新排序了您的数据框，因此其中一个重复项位于不同的序列之后，因为我认为这是您首先在评论中的建议中缺少的内容。当然，额外的匹配步骤工作得很好，但是如果将 Sequence 转换为因子，它实际上会存储为整数值，从而允许您按照建议进行索引。 如果你有太多不同的序列，可以考虑只把 V1、V2、...在 Variable2 中完成。LETTERS

为了进行比较，我添加了一个选项，该选项不适合在数据集中查找重复项。consecutive_id()

library(dplyr)
library(forcats)

df <- data.frame(
  Name = c("KR820422", "KR820423", "KR820424", "KR820425", "KR820426", "KR820427"),
  Sequence = c(
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTKGVGSP*",
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*",
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*",
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*",
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*",
    "MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNKSGGTSGTQQPQGNTEGVGSS*"
  )) %>% 
  slice(c(1, 2, 3, 5, 6, 4))


df %>% 
  mutate(
    Sequence = factor(Sequence) %>% fct_inorder(),
    Variable = LETTERS[Sequence],
    Variable2 = paste0('V', as.numeric(Sequence))
  ) 
#>       Name
#> 1 KR820422
#> 2 KR820423
#> 3 KR820424
#> 4 KR820426
#> 5 KR820427
#> 6 KR820425
#>                                                                                                       Sequence
#> 1 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTKGVGSP*
#> 2 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*
#> 3 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*
#> 4 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*
#> 5 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNKSGGTSGTQQPQGNTEGVGSS*
#> 6 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*
#>   Variable
#> 1        A
#> 2        B
#> 3        B
#> 4        C
#> 5        D
#> 6        B

# Note that for consecutive_id() the value changes, everytime the value changes, irrespective of whether it was seen before
# df %>% 
#  mutate(Variable = consecutive_id(Sequence))

^{创建于 2023-11-16 with reprex v2.0.2}

按序列生成 ID 的一种方法是按序列分组并使用：cur_group_id()

library(dplyr)
df <- df %>% 
  group_by(Sequence) %>% 
  mutate(ID = cur_group_id()) %>%
  ungroup()

结果（向右滚动查看所有 3 列）：

# A tibble: 6 × 3
  Name     Sequence                                                                                                        ID
  <chr>    <chr>                                                                                                        <int>
1 KR820422 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTKGVGSP*     2
2 KR820423 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*     4
3 KR820424 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*     4
4 KR820425 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVSLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*     4
5 KR820426 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNESGGTSGTQQPQGNTEGVGSP*     1
6 KR820427 MAGRSGDSDATLLQAVKIIKILYQSNPYPKPEGTRQARKNRRRRWRARQRQIRAISERILSDCLGRPAEPVPLQLPPIERLNINCNKSGGTSGTQQPQGNTEGVGSS*     3

我想如果你想让 ID 是一个字母，你可以使用 - 无论如何最多 26 个。LETTERS[cur_group_id()]