如何无需指定字面字符串值对DataFrame按Team与Points规则分组？

假设你的DataFrame包含赛事标识字段（比如Start+Book，用于区分不同赛事），可以通过以下程序化的dplyr步骤实现需求：

步骤说明 #

核心逻辑是：在同一赛事范围内，通过Points的绝对值匹配互为相反数的记录，再确保每组对应两个不同Team。

代码实现 #

首先构造示例数据（可替换为你的真实数据）：

library(dplyr)

# 示例DataFrame
df <- tibble(
  ID = 1:6,
  Start = c("2023-10-01", "2023-10-01", "2023-10-02", "2023-10-02", "2023-10-03", "2023-10-03"),
  Book = c("A", "A", "B", "B", "C", "C"),
  Team = c("X", "Y", "Z", "W", "X", "Z"),
  Points = c(3, -3, 5, -5, 2, -2)
)

执行分组逻辑：

grouped_df <- df %>%
  # 按赛事维度分组（根据你的数据调整，确保同一赛事的Team在此组内）
  group_by(Start, Book) %>%
  # 用Points绝对值生成配对键，互为相反数的Points会共享同一键
  mutate(pair_key = abs(Points)) %>%
  # 按配对键二次分组，锁定同一赛事下的Points配对组
  group_by(Start, Book, pair_key, .add = TRUE) %>%
  # 过滤掉组内Team数量不为2的无效记录（排除单个Team的异常数据）
  filter(n_distinct(Team) == 2) %>%
  # 生成最终分组ID，方便后续操作
  mutate(group_id = paste(Start, Book, pair_key, sep = "_")) %>%
  ungroup()

结果验证 #

处理后每个group_id对应的记录满足：

• 属于同一赛事（Start+Book相同）
• 包含两个不同的Team
• Points值互为相反数

如果你的赛事标识字段不是Start+Book，仅需修改第一个group_by的参数即可，全程无需手动指定Team的具体值，适配任意规模的赛事数据。

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