问题描述
我想为数据库中的行生成唯一的ID。我将不断向该数据库添加条目,因此我需要一并生成新的ID。尽管我的数据库相对较小,并且随机ID的复制机会很小,但我仍然想建立一个程序化的故障保护机制,以确保我永远不会生成过去已经使用过的ID。
对于初学者来说,以下是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$name,5))
print(database)
rid first_name
1 07282b1da2 Sarit
2 3c2afbb0c3 Aly
3 f1414cd5bf Maedean
4 9a311a145e Teriana
5 688557399a Dreyton
这是一些示例数据,我可以使用它们来表示将附加到现有数据库的新数据:
new_data <- sample(babynames$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
函数绑定一列随机生成的ID,同时检查以确保新生成的ID与database
对象中的任何现有ID不匹配。如果生成器创建了相同的ID,则理想情况下它将生成一个新的替换,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,那么我将重新生成一个新的ID。例如...
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,我将需要构建无休止的嵌套if
语句流,以再次针对原始数据库连续测试新生成的值。我需要一个过程来进行测试,直到生成在原始数据库中找不到的真正唯一的值为止。
解决方法
使用ids::uuid()
可能会避免必须检查重复的id值。实际上,如果您要生成10万亿个uuid,则每What is a UUID?的两个uuid都将是.00000006的几率相同。
这是一个基本函数,可以快速检查重复值,而无需进行任何迭代:
anyDuplicated(1:4)
[1] 0
anyDuplicated(c(1:4,1))
[1] 5
上面的第一个结果表明没有重复的值。第二个显示元素5是重复的,因为1被使用了两次。以下是不进行重复检查的方法,new_data复制了database$rid
,所以所有五个都是重复的。这将重复进行,直到所有rid
都是唯一的为止,但是请注意,它假定所有现有的database$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
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