如何在R语言raw_df数据框中添加空白行A_BLANK、B_BLANK得到wished_df

针对需求，我们可以用tidyverse的分组、拆分与行绑定工具，精准在指定类别后插入对应空白行，代码实现如下：

library(tidyverse)

# 原始数据框
raw_df <- data.frame(
  category = c('A','A','B','B','C'),
  value = c(1:5),
  amount = c(1:5)
)

# 定义需要添加空白行的类别
target_cats <- c("A", "B")

# 生成目标数据框
wished_df <- raw_df %>%
  group_by(category) %>%
  group_split() %>%
  map_dfr(function(group) {
    current_cat <- unique(group$category)
    # 为指定类别添加对应空白行
    if (current_cat %in% target_cats) {
      blank_row <- tibble(
        category = paste0(current_cat, "_BLANK"),
        value = ifelse(current_cat == "B", "NA", NA), # 匹配示例中B_BLANK的字符串格式NA
        amount = ifelse(current_cat == "B", "NA", NA)
      )
      bind_rows(group, blank_row)
    } else {
      group
    }
  })

# 查看结果
wished_df

代码说明 #

1. 先用group_by(category) + group_split()将原始数据按类别拆分为独立的分组数据框
2. 用map_dfr()遍历每个分组：
   • 对属于target_cats的分组（A、B），生成对应命名的空白行（A_BLANK、B_BLANK），其中B组的value和amount设为字符串'NA'以匹配示例格式
   • 非目标类别（C）直接保留原分组内容
3. 最后用bind_rows()自动合并所有分组及新增空白行，得到目标结构的数据框

如果不需要将B组的缺失值设为字符串'NA'，而是统一用R标准缺失值NA，可以简化空白行的生成逻辑：

blank_row <- tibble(
  category = paste0(current_cat, "_BLANK"),
  value = NA,
  amount = NA
)

内容的提问来源于stack exchange，提问作者anderwyang