看来我还是一开始没解释清楚，这个1／2／3对应了其他列的数据，相当于是我的ID，但是不全。

我觉得jiangbeilu的回答是正确的。你先找出在x中有多少个2（比如有n个），然后rep(1:3, n)即可生成你这个ID序列。

根据经验，我提供的解决方法肯定不是最优的，因此，权当我在此抛砖引玉把。

我大致猜到楼主的目的，因为楼主相当于ID的那列变量是有规则重复，但不规则缺失的，因此，无法真正发挥ID的作用。我想，如果额外加上一列group.id，标明这行数据属于哪个组，应该可以解决该问题了。比如，最终的效果如下：
a    group.id
max    1
unit    1
rate    1
unit    2
rate    2
max    3
unit    3
unit    4
max    5
unit    5
rate    5
这样子，这两列数据一并作为ID使用，使ID有了唯一性，作用可以发挥出来了。
另外，从上面的数据可以轻易得到，第1、5组数据是全的，第2组数据缺了"max"行，第3组数据缺了"rate"行，第4组数据既缺"max"行，也缺"rate"行，（这样每种缺失情况都包含了，等下的测试基本是该向量重复多次。不过，每组"unit"必不可少，不然问题会复杂很多），这样要补全数据也非常容易。

对于补全group.id，我有两个思路，第一个思路要借用“jiangbeilu”同学给出的：rep(c("max","unit","rate"),5)这个向量，这个向量是理想状态下的ID列，可惜和现有的缺失的dataframe无法一一对应，就好比我们去“配钥匙”，先买一把未挫过的“无齿钥匙”，然后用工具按照现有的钥匙的特征加工过，这把钥匙就能用了。

按第一个思路，首先，我们要根据数据框中的“unit”的数据推断出有多少组，假设为“n”，然后构建一把这样的“原始钥匙”：
然后，我再用“循环”和“递归”设计一个“配钥匙”的函数，基本思想是逐行检验现有数据和key数据，发现现有数据中没有但key数据框中有的，就丢掉key数据中的该行。函数返回新的key数据框：
测试一下，可用。万事大吉了吗？等等，楼主说过，他的原始数据比较大，因此，我要测试一下这种方法的效率。我用千万行级别的原始数据测试，内存不够；百万级别的，内存不够；十万级别的，告知递归得太深了；万级别的，还是递归得太深了；千行级别的，通过，但在我的老电脑上耗时大概10秒以上。

这样显然不行，这个思路不实用。当然，如果不用递归，而用更加复杂一些的循环方法，应该可以使数据处理的上限提高1到2个数量级，但仍无法改变其内存和CPU利用低效的事实。

第二个思路是“向量化”的处理方法。比如，我用下面的自编函数，arguments是现有数据框，和c("max", "unit", "rate")向量，函数返回的是加了group.id列后的现有数据框：
我测试过，可以运行1千万行以上的数据（当然，我的模拟数据中其他列数据不复杂），耗时5秒多，比第一个思路处理1千多行的数据还要快得多。

重要提醒：两个思路都假定头尾数据是完整的，因为头尾数据的判断和补全很容易，因此，未对头尾组缺失的情况进行容错设计。

通过这个案例，我自己也深刻地体会了R语言的长处和短处，如果用直观的方法，利用循环和递归，编程效率高，但执行效率太差；如果用向量化的方法去编程，思考的过程耗时比较长，但执行起来简直云泥之别，这可能就是R语言独特的魅力所在吧！

如果真的是cheetahfly说的，我这个方法好像比较简单
x = c("max", "unit", "rate", "max", "unit", "rate", "max", "unit", "rate", "unit", "rate")
id <- c("max", "unit", "rate")
ord <- match(x, id)
di <- diff(match(x, id))##the negative value is the next group
ord2 <- which(di<=0)
rep(1:(length(ord2)+1), time = c(ord2[1], diff(ord2), length(x)-ord2[length(ord2)]))
我就不解释了，都是简单的函数，运行一下就看懂了！

没有group ID? 你不会做一个吗？？

使用jianbeilu的方法做一个，比如：rep(1:3,10)

然后与你的数据合并在一起，缺失的地方用NA补充上！

没有分组变量，只是看到 c("max", "unit", "rate")，也是很难办的

可能都是同一组
也可能是不同组
也可能是前两个是一组，第三个是一组
也可能是前一个是一组，后两个是一组
如下所示
x            groupID1    groupID2   groupID3   groupID4
max           1               1              1              1
unit           1               1              2              2
rate           1               2              2             3

这些情况都可能发生，如果没有分组变量
假如不知道是哪种分组的情况，就麻烦了
如果真实的情况是groupid4的这样
但是分组产生的是groupid1的情况或其他情况，可想而知，后面进一步分析可能就是错的了


所以，还是想办法从原始数据里面找到分组的groupid为好
而且也应该有才对

按照楼主的说法，就如题目所说的“有规律的文本（或数字）序列”，这个规律，我从楼主的话中理解为：第一，同一组中，一定是按照max，unit，rate的顺序排列（下表中对应1、2、3），反复循环，不规则缺失；第二，每一组中，中间的unit不会缺失。

根据这两个规律，可以推断，缺失组一般有以下三种，1）缺max，2）缺rate，3）既缺max，也缺rate，它们的组合可以归结为：

	缺max	缺rate	既缺max，也缺rate
缺max	Unit 2    Rate 3    Unit 2    Rate 3	Max 1    Unit 2    Max 2    Unit 3	Unit 2    Unit 2    Rate 3
缺rate	Unit 2    Rate 3    Max 1    Unit 2	Max 1    Unit 2    Max 1    Unit 2	Unit 2    Max 1    Unit 2
既缺max，也缺rate	Unit 2    Rate 3    Unit 2	Max 1    Unit 2    Unit 2	Unit 2    Unit 2

各种情况都可以用一个简单判定法则来分组：就是数字没有增长。（这也是czrdiao同学用一阶差分和是否<=0来判定分组的理由）

最后说明一下，这里的group.id仅仅是为了标明每个max、unit、rate循环在数据框中的相对位置而设定的，清洗完数据后完全可以删除，不用赋予其实际意义（事实上也没有实际意义）。

czrdiao同学创造性地用一阶差分和向量化rep来解决该问题，给了我很大的启发，多谢！

我一直有种感觉，这个问题可以有一个非常简单直接的解决方法的。受czrdiao同学思路的启发，我另想了一个简化思路：既然group.id是用来标明相对位置和寻找缺失行的相对坐标，因此，没有必要一定从max开始循环。我完全可以跳开第一行，然后从第二行的unit开始循环，这样，在同样可以解决问题的条件下，语句只需要简化成一行即可：

group.id <- cumsum(data[,1] == "unit")

有了标明每组（无论是否完整）max、unit、rate循环的相对位置的group.id后，要解决楼主所提出来的补齐数据就比较容易了，一个思路是用大神Hadley Wickham提出来的Split-Apply-Combine策略，用plyr::ddply()来解决；另一个思路按向量化的方式，根据setdiff()函数，找出缺失max行和rate行的相对“坐标”，然后创建——合并——排序，具体怎么做就不啰嗦了。

题主的问题应该适用tidyr::complete函数

多谢提醒。不知是不是我查阅得不对，该运用函数的前提仍然需要有group.id这一列？

有了tidyr::complete之后，确实第二步工作就很简单了，只需要：
library(tidyr)
library(dplyr)
df %>% complete(group.id, nesting(a))  #假设max,unit,rate所在列的列名为“a”

注意，这里的group.id需要正确形式的，比如10楼、9楼的方法算出的，不能用14楼的简化算法。

确实，要向量化解决这个问题group id列是少不了的。综合使用@czrdiao的差分方法和你提到的cumsum函数，group_id列的生成其实并不复杂：

perfectly done