R语言：将数据框分割为含连续不重叠类型组的子组

需要将R数据框按连续2个互不重叠的Type分割成子组，各组行数不固定。示例数据如下：

df <- data.frame(ID=c('1','1','1','1','1','1','1'), Type=c('a','a','b','c','c','d','d'), value=c(10,2,5,3,7,3,9))

期望输出：

• 子组1包含Type a和b
• 子组2包含Type c和d

可以通过给每个Type分配分组标识，再按标识分割数据框来实现：

# 获取唯一的Type序列
unique_types <- unique(df$Type)
# 给每个Type分配分组ID：每2个连续Type归为一组
group_ids <- as.integer(gl(length(unique_types), 2))
# 建立Type到分组ID的映射
type_group_map <- setNames(group_ids, unique_types)
# 为原数据框添加分组列
df$group <- type_group_map[df$Type]
# 按分组列分割数据框
split_result <- split(df, df$group)

# 查看结果
split_result[[1]]
split_result[[2]]

代码说明 #

1. unique(df$Type)提取数据中所有不重复的Type，得到顺序为c("a","b","c","d")的向量；
2. gl(length(unique_types), 2)生成重复的分组编号：前2个Type对应组1，接下来2个对应组2，以此类推。如果Type总数是奇数，最后一个Type会单独成为一组；
3. setNames建立Type和分组ID的对应关系，方便后续给原数据框打标记；
4. split(df, df$group)根据分组列将数据框拆分成多个子数据框，结果是一个列表，每个元素对应一个子组。

如果需要移除结果中的group列，可以在分割后用lapply处理：

split_result_clean <- lapply(split_result, function(x) x[, !names(x) %in% "group"])

内容的提问来源于stack exchange，提问作者mkmor