如何对满足两列特定条件的连续行计算均值并合并？

我有如下简化版的dataframe：

lab_id  weeks GM.CSF IFNa2 IFNg IL10 IL12p40
1  op1 2020 G4 week_1 1.6900 13.0258  5.0755 3.3068 1.3
2  op1 2020 G4 week_4 1.6900  4.4113  3.9592 2.0100 1.3
3 op10 2020 G4 week_4 2.4236  8.3186 41.7559 2.0100 1.3
4 op10 2020 G4 week_4 3.2600 18.3118 12.5456 2.0100 1.3

我需要筛选出满足以下条件的连续行并处理：

• 连续两行的lab_id值相同；
• 若两行的weeks值不同，则不做处理；
• 若两行的weeks值相同，则计算这两行数值列（GM.CSF、IFNa2等）的均值，并用该行替换原两行。

例如行3和行4满足条件，处理后应得到：

lab_id  weeks GM.CSF IFNa2 ...
3 op10 2020 G4 week_4 2.8418 13.3152 ...

我尝试用rowise()结合if_else，以及mutate()标记重复行，但均未成功，现有疑问：

1. 是否有可同时评估列与连续行的函数？
2. 如何改进当前的实现思路？

疑问解答 #

1. 有这类函数：dplyr包中的lag()和lead()可以获取当前行的上一行/下一行数据，实现连续行的列值对比；另外group_by()结合分组逻辑，也能完成对同组连续行的处理。
2. 你的逐行判断思路过于复杂，更高效的方式是先通过分组锁定目标行，再批量计算均值——如果严格要求仅处理连续行，可以先标记连续组再操作；若只要同lab_id+weeks的行就合并，直接分组求均值即可。

具体实现代码 #

情况1：合并所有同lab_id+weeks的行（不限制是否连续）

如果需求本质是合并所有同lab_id且同weeks的行，用以下代码最简洁：

library(dplyr)

# 假设数据框名为df
processed_df <- df %>%
  group_by(lab_id, weeks) %>%
  summarise(across(c(GM.CSF, IFNa2, IFNg, IL10, IL12p40), mean), .groups = "drop")

情况2：仅合并连续的同lab_id+weeks的行

如果严格要求只处理连续的目标行，先标记连续组再分组计算：

library(dplyr)

processed_df <- df %>%
  # 生成连续组ID：当前行与上一行的lab_id+weeks不同时，组号+1
  mutate(group_id = cumsum(!(lab_id == lag(lab_id, default = "") & weeks == lag(weeks, default = "")))) %>%
  # 按连续组分组计算均值
  group_by(group_id) %>%
  summarise(
    lab_id = first(lab_id),
    weeks = first(weeks),
    across(c(GM.CSF, IFNa2, IFNg, IL10, IL12p40), mean),
    .groups = "drop"
  ) %>%
  select(-group_id) # 移除临时组号列

代码说明 #

• lag()：获取上一行的lab_id和weeks，与当前行对比判断是否属于同一连续组；
• cumsum()：通过累加布尔值（TRUE为1，FALSE为0）生成唯一的连续组ID；
• group_by()+summarise()+across()：对每组内的数值列批量计算均值，同时保留分组的lab_id和weeks信息。

内容的提问来源于stack exchange，提问作者Someone_1313