如何基于字符串模式拼接数据框同一列内的关联字符串？

Tidyverse 实现（推荐） #

利用dplyr的分组填充和字符串处理功能，完美匹配你的需求：

library(tidyverse)

# 原始数据
df <- data.frame(sample_name = c("Sample01", "g01", "g02", "g03", "Sample02", "g01", "g02", "Sample03", "g03", "g04", "g07"))

# 核心处理逻辑
result_df <- df %>%
  # 标记样本名称行，非样本行设为NA
  mutate(group = if_else(str_detect(sample_name, "^[A-Z][a-z]+\\d{2}$"), sample_name, NA_character_)) %>%
  # 向下填充分组，让每个g编号对应最近的样本名称
  fill(group, .direction = "down") %>%
  # 仅保留g开头的编号行
  filter(str_detect(sample_name, "^g")) %>%
  # 拼接样本名称与编号
  mutate(sample_name = str_c(group, sample_name, sep = "_")) %>%
  # 清理冗余列
  select(-group)

# 输出结果
print(result_df)

步骤说明：

• 识别样本行：用正则表达式^[A-Z][a-z]+\\d{2}$匹配SampleXX格式的行，生成分组标识。
• 填充分组：通过fill将每个g编号行关联到上方最近的样本名称，自动处理不同样本对应的行数差异。
• 拼接字符串：过滤掉原始样本行后，用str_c完成下划线拼接，得到目标格式。

Base R 实现 #

如果不依赖Tidyverse，可通过基础函数完成：

# 原始数据
df <- data.frame(sample_name = c("Sample01", "g01", "g02", "g03", "Sample02", "g01", "g02", "Sample03", "g03", "g04", "g07"))

# 1. 定位样本名称行
sample_pos <- which(grepl("^[A-Z][a-z]+\\d{2}$", df$sample_name))
sample_names <- df$sample_name[sample_pos]

# 2. 确定每个样本对应的g编号行范围
g_ranges <- mapply(
  function(start, end) (start + 1):(end - 1),
  start = sample_pos,
  end = c(sample_pos[-1], nrow(df) + 1)
)

# 3. 批量拼接字符串
combined_names <- unlist(mapply(
  function(sample, rows) paste0(sample, "_", df$sample_name[rows]),
  sample = sample_names,
  rows = g_ranges
))

# 转为目标数据框
result_df_base <- data.frame(sample_name = combined_names)

# 输出结果
print(result_df_base)

步骤说明：

• 定位样本行：用grepl和which找到所有样本名称的位置。
• 划分g行范围：通过mapply计算每个样本对应的g编号行区间，自动适配不同样本的行数。
• 拼接生成结果：再次用mapply批量拼接样本名称与对应编号，最终转为数据框。

内容的提问来源于stack exchange，提问作者Spencer