如何将数据框中father_details列的邮箱与父亲姓名对应到同一行？

核心思路 #

你的数据集按每4行对应一个用户的长格式存储：第一行是用户基本信息+父亲姓名，第四行是父亲邮箱，中间两行是无效NA行。处理步骤如下：

1. 分组：按每4行划分为一个用户组，确保同一用户的所有信息在同一组内。
2. 提取邮箱：在每组内筛选出father_details中包含@的内容（即父亲邮箱）。
3. 合并行：将提取到的父亲邮箱赋值给该组内有用户姓名的行（每组第一行），生成father_email列。
4. 过滤无效行：只保留每组内有用户姓名的有效行，删除其余NA行。

R代码实现（dplyr版本） #

library(dplyr)

# 加载样本数据
df <- structure(list(Name = c("John", NA, NA, NA, "Chris", NA, NA, NA), 
                     Email = c("john@abc.com", NA, NA, NA, "chris@abc.com", NA, NA, NA), 
                     father_details = c("herald", NA, NA, "herald@abc.com", "matthew", NA, NA, "matthew@abc.com")), 
                class = "data.frame", row.names = c(NA, 8L))

# 数据处理
result <- df %>%
  # 每4行分为一组
  mutate(group = gl(n()/4, 4)) %>%
  group_by(group) %>%
  # 提取组内的父亲邮箱（含@的非NA值）
  mutate(father_email = first(na.omit(father_details[grepl("@", father_details)]))) %>%
  # 仅保留有用户姓名的有效行
  filter(!is.na(Name)) %>%
  # 移除分组辅助列
  select(-group)

print(result)

代码解释 #

• gl(n()/4, 4)：根据总行数自动生成分组标识，确保每4行归为一组。
• first(na.omit(father_details[grepl("@", father_details)]))：在组内筛选出邮箱格式的内容，去除NA后取唯一的邮箱值。
• filter(!is.na(Name))：过滤掉所有无用户姓名的NA行，只保留有效数据行。

R代码实现（base R版本） #

如果不想依赖dplyr包，也可以用基础R实现：

# 加载样本数据
df <- structure(list(Name = c("John", NA, NA, NA, "Chris", NA, NA, NA), 
                     Email = c("john@abc.com", NA, NA, NA, "chris@abc.com", NA, NA, NA), 
                     father_details = c("herald", NA, NA, "herald@abc.com", "matthew", NA, NA, "matthew@abc.com")), 
                class = "data.frame", row.names = c(NA, 8L))

# 生成分组标识
df$group <- rep(1:(nrow(df)/4), each = 4)

# 按分组处理数据
result <- do.call(rbind, lapply(split(df, df$group), function(grp) {
  # 提取当前组的父亲邮箱
  father_email <- grp$father_details[grepl("@", grp$father_details) & !is.na(grp$father_details)]
  # 保留组内有用户姓名的行，并添加father_email列
  valid_row <- grp[!is.na(grp$Name), ]
  valid_row$father_email <- father_email
  return(valid_row)
}))

# 移除分组列
result$group <- NULL

print(result)

内容的提问来源于stack exchange，提问作者Ramakrishna S