如何在R中合并错位拆分的数据集行？

Excel 解决方案 #

Power Query批量处理（推荐） #

这是处理此类问题最高效的方式，适合大量数据：

• 选中数据区域，点击「数据」选项卡 → 「自表格/区域」导入Power Query
• 添加索引列：「添加列」→「索引列」→「从0开始」
• 标记分组：假设关键字段（如交易ID）在正确行有值、错位行空，添加自定义列group_id，公式为=cumsum([交易ID]<>null)
• 分组合并：
  1. 选择group_id列，点击「转换」→「分组依据」，操作选「所有行」，新列名设为GroupedRows
  2. 添加自定义列处理地址：=[GroupedRows][地址]{0} & if [GroupedRows][地址]{1} <> null then " " & [GroupedRows][地址]{1} else ""
  3. 其他字段（如交易金额）取正确行的值：=[GroupedRows][金额]{0}
• 整理后点击「关闭并上载」将数据导回Excel

简单公式法（仅适用于规则错位场景） #

如果错位行固定跟在正确行之后（比如正确行在奇数行，错位在偶数行），且关键列（如交易ID）在错位行为空：

• 合并地址：在新列输入=IF(A2<>"", C2&IF(A3="", " "&C3, ""), "")，下拉填充
• 提取其他字段：=IF(A2<>"", D2, "")，下拉后筛选删除空行

R 解决方案 #

基础dplyr实现 #

假设数据框为df，transaction_id是关键列（正确行非空，错位行空）：

library(dplyr)

# 标记每组的起始（每个非空关键列为一组）
df <- df %>% mutate(group_id = cumsum(!is.na(transaction_id)))

# 分组合并字段：地址拼接，其他字段取首非空值
cleaned_df <- df %>%
  group_by(group_id) %>%
  summarise(
    transaction_id = first(transaction_id),
    full_address = paste(na.omit(address), collapse = " "),
    amount = first(na.omit(amount)),
    .groups = "drop"
  )

通用自定义函数 #

如果错位规则更复杂，可编写通用函数适配不同字段类型：

merge_misaligned_rows <- function(df, key_col) {
  # 按关键列分组，非空关键列为每组起始
  df$group_id <- cumsum(!is.na(df[[key_col]]))
  
  # 字符列合并，其他类型列取首非空值
  cleaned_df <- df %>%
    group_by(group_id) %>%
    summarise(across(everything(), ~{
      if (is.character(.x)) {
        paste(na.omit(.x), collapse = " ")
      } else {
        first(na.omit(.x))
      }
    }), .groups = "drop")
  
  return(cleaned_df)
}

# 使用示例：替换your_dataframe为你的数据框，key_col为关键列名
cleaned_data <- merge_misaligned_rows(your_dataframe, "transaction_id")

内容的提问来源于stack exchange，提问作者user21106834