R语言数据清洗：按条件拼接GID值的技术求助

核心思路 #

先按非空keep单元格划分分组，每个分组包含一个非空keep及其下方所有连续的空keep；仅对行数大于1的分组（即非空keep下方有需要拼接的空keep）进行GID拼接，并仅在非空keep所在行保留拼接结果。

实现代码 #

library(tidyverse)

dt <- tibble(
  GID = c(27841, 31479, 11458, 15096, 30447, 14064, 32289, 15906, 54701, 57564, 57916),
  gpid1 = c(11458, 15096, 0, 0, 14064, 0, 15906, 0, 1, 57548, 57548),
  gpid2 = c(11458, 15096, 0, 0, 14064, 0, 15906, 0, 5, 57526, 57526),
  nstat = c(0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1),
  nval_new = c(-85239, -85239, -85239, -85239, -8835, -8835, -8732, -8732, 1, 1, 1),
  keep = c(27841, NA,NA, NA, 30447, NA, 32289, NA, 54701, NA, NA)
)

dt_processed <- dt %>%
  # 生成分组ID：每遇到非空keep，分组ID递增
  mutate(group_id = cumsum(!is.na(keep))) %>%
  group_by(group_id) %>%
  mutate(
    # 仅当分组内行数>1（即非空keep下方有需要拼接的行）时，拼接GID
    merges = if(n() > 1) paste(GID, collapse = ",") else NA_character_,
    # 仅在非空keep所在行保留拼接结果，空keep行设为NA
    merges = ifelse(!is.na(keep), merges, NA_character_)
  ) %>%
  ungroup() %>%
  # 删除临时分组列（可选）
  select(-group_id)

print(dt_processed)

代码说明 #

1. 分组标识：cumsum(!is.na(keep))会在每次遇到非空keep时累加计数，自动将每个非空keep及其下方连续空keep划分为同一组。
2. 条件拼接：通过if(n() > 1)判断分组是否需要拼接（即非空keep下方有内容），避免对无后续空keep的行生成不必要的拼接结果。
3. 结果赋值：用ifelse仅在非空keep行保留拼接后的字符串，空keep行保持NA，完全匹配需求。

常见问题排查方向 #

如果你的代码未得到预期结果，可能是以下原因：

• 分组错误：未正确划分分组范围，导致拼接了不属于当前非空keep的GID。可检查group_id列是否正确标记了每个目标组。
• 未判断分组大小：没有排除掉无后续空keep的非空keep行，导致这类行也生成了仅包含自身的拼接结果。
• 结果赋值范围错误：将拼接结果赋值给了所有行，而不是仅非空keep行，导致空keep行也出现了拼接内容。

内容的提问来源于stack exchange，提问作者abduljelil