如何在R中按指定唯一CID数量拆分DataFrame为子数据框

原始数据框 #

group_eg <- data.frame(
  CID = c(091, 091, 091, 091,
          101, 101, 101,
          102, 102, 102, 
          103, 103,
          104, 104, 104),
  PID_A = c(1091, 1091, 1091, 1091,
            1101, 1101, 1101,
            1102, 1102, 1102,
            1103, 1103,
            1104, 1104, 1104),
  PID_B = c(2091, 2091, 2091, 2091,
            2101, 2101, 2101, 
            2102, 2102, 2102,
            2103, 2103,
            2104, 2104, 2104),
  text = c("eg1", "eg2", "eg3", "eg3", 
           "eg4","eg5", "eg6", 
           "eg7", "eg8","eg9", 
           "eg10", "eg11", 
           "eg12", "eg13", "eg14")
)

需求说明 #

将上述DataFrame拆分为多个子数据框组成的列表：

• 每个子数据框仅包含属于2个按升序排列的唯一CID的行
• 若CID总数无法被2整除，最后一个子数据框可仅包含1个CID的行

期望输出示例 #

output1 <- data.frame(
  CID = c(091, 091, 091, 091,
          101, 101, 101),
  PID_A = c(1091, 1091, 1091, 1091,
            1101, 1101, 1101),
  PID_B = c(2091, 2091, 2091, 2091,
            2101, 2101, 2101),
  text = c("eg1", "eg2", "eg3", "eg3", 
           "eg4","eg5", "eg6")
)

output2 <- data.frame(
  CID = c(102, 102, 102, 
          103, 103),
  PID_A = c(1102, 1102, 1102,
            1103, 1103),
  PID_B = c(2102, 2102, 2102,
            2103, 2103),
  text = c( "eg7", "eg8","eg9", 
           "eg10", "eg11")
)

output3 <- data.frame(
  CID = c(104, 104, 104),
  PID_A = c(1104, 1104, 1104),
  PID_B = c(2104, 2104, 2104),
  text = c("eg12", "eg13", "eg14")
)

实现方案 #

可以通过以下步骤完成拆分：

1. 提取并排序唯一CID：确保CID按升序排列，保证分组顺序符合要求

unique_cids <- sort(unique(group_eg$CID))

2. 生成分组索引：将排序后的CID按每2个一组划分，最后若有剩余则单独成组

group_indices <- ceiling(seq_along(unique_cids) / 2)

3. 拆分并生成子数据框列表：根据分组索引拆分CID，再筛选原始数据框中对应CID的行

result_list <- lapply(split(unique_cids, group_indices), function(cids) {
  group_eg[group_eg$CID %in% cids, ]
})

执行上述代码后，result_list就是包含目标子数据框的列表，其中：

• result_list[[1]]对应示例中的output1
• result_list[[2]]对应示例中的output2
• result_list[[3]]对应示例中的output3

这个方法不受每个CID对应观测数的影响，能自动适配不同行数的CID分组。

内容的提问来源于stack exchange，提问作者jo_