在R中结合group_by、uncount和mutate转换含重复行的数据框

可以借助tidyverse工具包实现需求，核心思路是先生成每个ID的完整行序列，再为每个status明确对应的行号区间，最后匹配填充status值：

步骤1：加载依赖包并定义原数据框 #

library(tidyverse)

id <- c(1001, 1001, 1002)
status <- c("dog", "cat", "mouse")
col3 <- c(5, 8, 4)
col4 <- c(9, 9, 6)
df <- data.frame(id, status, col3, col4)

步骤2：生成每个ID的完整行序列 #

先提取每个ID的总行数（col4），再生成从1到总行数的所有行号：

# 获取每个ID的总行数（去重避免重复计算）
id_total <- df %>% 
  distinct(id, col4) %>% 
  rename(total = col4)

# 生成每个ID的行号序列
id_row_seq <- id_total %>% 
  mutate(row_num = map(total, ~1:.x)) %>% 
  unnest(row_num) %>% 
  select(id, row_num)

步骤3：计算每个status对应的行号区间 #

为每个status确定起始行（col3）和结束行：同一ID下，当前status的结束行是下一个status的起始行减1，最后一个status的结束行是该ID的总行数：

status_intervals <- df %>% 
  group_by(id) %>% 
  mutate(end_row = lead(col3, default = first(col4)) - 1) %>% 
  ungroup() %>% 
  select(id, status, start_row = col3, end_row)

步骤4：匹配行号与区间，生成结果数据框 #

将行序列与status区间匹配，未匹配的行填充为"Not assigned"：

df_results <- id_row_seq %>% 
  left_join(status_intervals, by = "id") %>% 
  # 筛选行号在当前status区间内，或未匹配到status的行
  filter(row_num >= start_row & row_num <= end_row | is.na(status)) %>% 
  # 填充未匹配的status值
  mutate(status = ifelse(is.na(status), "Not assigned", status)) %>% 
  # 去重（未匹配行可能产生重复NA记录）
  distinct(id, row_num, .keep_all = TRUE) %>% 
  arrange(id, row_num) %>% 
  select(id, status)

执行后输出的df_results即为目标数据框。

内容的提问来源于stack exchange，提问作者Zipsa