基于多条件压缩合并R语言DataFrame中的行

核心思路：先给每30行数据标记玩家组ID以隔离跨组streak，再在组内识别连续相同胜负的记录段，最后按组+streak段聚合计算得分均值。以下是两种适配不同场景的高效实现：

方法1：使用data.table（大数据量首选，性能最优） #

data.table针对超大数据集做了内存优化，避免冗余复制，处理速度远快于传统tidyverse工具。

# 加载包
library(data.table)

# 构造示例数据（60行=2组玩家，每组30行）
set.seed(123)
df <- data.table(
  win = sample(c(0,1), 60, replace = TRUE),
  sound = sample(1:10, 60, replace = TRUE)
)

# 1. 生成玩家组ID（每30行一组）
df[, group_id := floor((.I - 1)/30) + 1]

# 2. 在每个组内标记连续胜负的streak ID
df[, streak_id := rleid(win), by = group_id]

# 3. 按组+streak聚合，计算得分均值
result_dt <- df[, .(
  win = first(win),  # 同一streak内win值一致，取任意值均可
  sound_mean = mean(sound)
), by = .(group_id, streak_id)]

# 查看结果
head(result_dt)

关键细节 #

• .I是data.table内置的行号变量，生成组ID的逻辑高效且无额外计算开销
• rleid()是专门用于快速识别连续相同值的函数，比手动判断前后值的方法快数倍

方法2：使用dplyr（语法直观，适配tidyverse工作流） #

如果习惯tidyverse语法，可采用此方案，数据量不大时性能足够。

# 加载包
library(dplyr)

# 构造示例数据
set.seed(123)
df <- tibble(
  win = sample(c(0,1), 60, replace = TRUE),
  sound = sample(1:10, 60, replace = TRUE)
)

# 1. 生成玩家组ID
df <- df %>%
  mutate(group_id = floor((row_number() - 1)/30) + 1)

# 2. 在每个组内标记streak ID
df <- df %>%
  group_by(group_id) %>%
  mutate(streak_id = cumsum(win != lag(win, default = first(win)))) %>%
  ungroup()

# 3. 聚合计算
result_dplyr <- df %>%
  group_by(group_id, streak_id) %>%
  summarise(
    win = first(win),
    sound_mean = mean(sound),
    .groups = "drop"  # 清除分组状态，避免后续操作干扰
  )

# 查看结果
head(result_dplyr)

关键注意事项 #

• 两种方案都严格通过group_id限制streak识别范围，彻底避免跨组误判
• 若数据集规模达到千万级，优先选择data.table方案，内存占用和处理速度优势明显

内容的提问来源于stack exchange，提问作者grace.cutler