如何在R中按条件合并数据框行以整合姓名片段？

原始数据 #

我们有如下单列tibble，包含姓名片段和无关的"X"行：

df <- 
  tibble(
    name = c( 
      "Q",
      "Name: John",
      "Smith",
      "X",
      "J",
      "Name: Homer",
      "Simpson",
      "X",
      "X",
      "Q",
      "Name: John",
      "Citizen"
    )
  )

输出结果：

> df
# A tibble: 12 × 1
   name       
   <chr>      
 1 Q          
 2 Name: John 
 3 Smith      
 4 X          
 5 J          
 6 Name: Homer
 7 Simpson    
 8 X          
 9 X          
10 Q          
11 Name: John 
12 Citizen

需求说明 #

当某行以Name:开头时，将该行与其上一行（中间名首字母）、下一行（姓氏）拼接成完整姓名；其余行（如"X"）保持原样。最终得到如下结果：

> df_fixed
# A tibble: 6 × 1
  name                 
  <chr>                
1 Name: John Q Smith   
2 X                     
3 Name: Homer J Simpson
4 X                     
5 X                     
6 Name: John Q Citizen 

解决方案代码 #

使用dplyr包可以高效实现这个需求：

library(dplyr)

df_fixed <- df %>%
  # 标记所有以Name:开头的行
  mutate(is_name_row = grepl("^Name:", name)) %>%
  # 为需要合并的三行分配同一组ID
  mutate(group_id = case_when(
    is_name_row ~ row_number(),
    lag(is_name_row) ~ lag(row_number()),
    lead(is_name_row) ~ lead(row_number()),
    TRUE ~ row_number()
  )) %>%
  # 按组拼接姓名片段
  group_by(group_id) %>%
  summarise(name = paste(name, collapse = " ")) %>%
  ungroup() %>%
  select(-group_id)

代码逻辑解释 #

1. 标记目标行：用grepl识别出所有以Name:开头的行；
2. 分组标记：给名字行、其上一行、下一行分配同一个组ID，其他行用自身行号作为组ID，确保需要合并的行在同一组；
3. 组内拼接：按组ID分组后，用paste把组内的字符串拼接成完整内容；
4. 清理结果：移除临时的组ID列，得到最终数据框。

内容的提问来源于stack exchange，提问作者Cameron