基于日期时间匹配MixedGroup并生成分组及匹配编号列的技术问询

原始数据集 #

Date         TimeObserved     IndividualsObserved      Group
 01/01/2018         09.00      Elliot, Azur, Noir       MixedGroup
 01/01/2018         09.00      Azur, Bleue, Rouge       GroupB
 02/01/2018         09.00      Chapman, PJ, Jackson     GroupA
 02/01/2018         09.00      Mississippi, Missouri    GroupC
 03/01/2018         10.00      Eben, Azur, Bleue, Noir  GroupB
 03/01/2018         10.00      Eben, Azur, Bleue        GroupB
 03/01/2018         10.00      Eben, Azur, PJ, Noir     MixedGroup
 03/01/2018         10.00      Chapman, Bowie, Shakira  GroupA
 03/01/2018         10.00      Murray, Mississippi, Mia GroupC
 04/01/2018         10.00      Mississippi, Mia         GroupC
 04/01/2018         10.00      Murray, Azur, Eben       MixedGroup
 04/01/2018         10.00      Shakira, Jackson, Bowie  GroupA
 04/01/2018         10.00      Bleue, Noir, Rouge       GroupB

组成员定义 #

groupA = c("Chapman", "PJ", "Jackson", "Elliot", "Bowie", "Shakira")
groupB = c("Azur", "Bleue", "Rouge", "Noir", "Eben")
groupC = c("Mississippi", "Missouri", "Murray", "Mia")

需求说明 #

识别同一日期和时间下包含MixedGroup的条目组，添加Group1、Group2列标识混合涉及的分组；同时生成MatchNumber列，为同日期时间下混合组关联的所有条目分配统一编号。

实现步骤 #

1. 按日期+时间分组，标记含MixedGroup的分组 #

用数据处理工具（如dplyr）按Date+TimeObserved对数据集分组，新增标记列判断当前分组是否存在Group == 'MixedGroup'的条目。

2. 解析MixedGroup条目涉及的分组 #

对每个MixedGroup条目，拆分IndividualsObserved字段为人员列表，逐个匹配到对应的预定义组（groupA/groupB/groupC），去重后得到该混合组涉及的分组集合（比如{A,B}），将结果分别存入Group1、Group2列（多组混合可扩展更多列）。

3. 分配MatchNumber #

• 对所有包含MixedGroup的日期+时间分组，按出现顺序分配唯一递增的MatchNumber（从1开始）。
• 将该编号关联到同日期+时间下的所有条目；无MixedGroup的分组，MatchNumber设为NA。

4. 补全非MixedGroup条目的分组列 #

对非MixedGroup的条目，根据其Group字段直接填充Group1（如GroupA对应A、GroupB对应B），Group2设为NA。

5. 整理输出格式 #

调整列顺序与目标输出一致，统一NA值的显示格式。

内容的提问来源于stack exchange，提问作者MIGUEL