如何在R中基于唯一ID变量与重置递增变量合并连续行？

问题背景 #

现有如下数据框，因字符限制，完整笔记被拆分为多行NOTE_TEXT子串，同一笔记的子串通过连续的LINE标记（新笔记的LINE从1重新开始）。需要将同一笔记的子串合并为单行，并新增Note字段标识同一ID/Name/Age组合下的唯一笔记：

df <- data.frame(ID = c(1, 1, 2, 2, 2, 2, 2),
                 Name = c("Alice", "Alice", "Bob", "Bob", "Bob", "Bob", "Bob"),
                 Age = c(25, 25, 30, 30, 30, 30, 30),
                 LINE = c(1, 2, 1, 2, 1, 2, 3),
                 NOTE_TEXT = c("This is the fir", "st note",
                               "This is the seco", "nd note",
                               "This is ", "the th", "ird note"))

期望输出：

data.frame(ID = c(1, 2, 2),
           Name = c("Alice", "Bob", "Bob"),
           Age = c(25, 30, 30),
           Note = c(1, 1, 2),
           NOTE_TEXT = c("This is the first note",
                         "This is the second note",
                         "This is the third note"))

解决方案 #

无需循环，用dplyr包即可高效处理，核心思路是先识别每个唯一笔记的分组，再合并文本：

1. 加载依赖包：

library(dplyr)
library(stringr)

2. 数据处理：

result_df <- df %>%
  # 按用户唯一标识分组，生成Note编号
  group_by(ID, Name, Age) %>%
  mutate(Note = cumsum(LINE == 1)) %>%
  # 按笔记分组，合并对应文本
  group_by(ID, Name, Age, Note) %>%
  arrange(LINE) %>% # 确保按LINE顺序合并子串
  summarise(NOTE_TEXT = str_c(NOTE_TEXT, collapse = ""), .groups = "drop")

代码解释 #

• group_by(ID, Name, Age)：先按用户的唯一标识分组，确保只在同一用户范围内识别笔记
• mutate(Note = cumsum(LINE == 1))：每次遇到LINE=1（新笔记的起始行）就累加计数，自动生成唯一的Note编号
• 再次分组加入Note后，用str_c(..., collapse="")按LINE顺序拼接所有子串，得到完整的笔记文本

运行上述代码后，result_df即为期望的结果。

内容的提问来源于stack exchange，提问作者Loudog3232