如何用dplyr将DataFrame中的性别值移至新列并去重？

首先构造你的示例数据方便测试：

library(dplyr)

df <- tibble(
  name = c("Jon", "male", "sam", "male", "male"),
  age = c(20, NA, 21, NA, NA)
)

接下来用以下代码处理，实现将性别移至新列、移除冗余行并去重重复性别：

df_cleaned <- df %>%
  # 为每个有效姓名-年龄行创建分组ID
  mutate(group_id = cumsum(!is.na(age))) %>%
  group_by(group_id) %>%
  summarise(
    name = first(name[!is.na(age)]), # 提取分组内的姓名
    age = first(age[!is.na(age)]),   # 提取分组内的年龄
    # 提取分组内的性别值，仅保留第一个出现的
    gender = first(name[name %in% c("male", "female")])
  ) %>%
  ungroup() %>%
  select(-group_id) # 移除临时分组列

代码说明： #

• cumsum(!is.na(age))：通过累加非空年龄行的标识，把每个姓名行和其下方的性别行归为同一组，解决信息拆分在两行的问题。
• 分组聚合时，通过first()提取有效姓名、年龄，同时筛选出性别值并只保留第一个，自动处理多个重复性别值的情况。
• 最后移除临时的分组ID列，得到结构规整的结果。

处理后的结果：

内容的提问来源于stack exchange，提问作者Abdullah Al Sobhi