如何按每90条观测值拆分数据集？求最优实现方案

问题概述 #

我有3个各含1368行的数据集，需要按顺序将每个数据集拆分为每组90条的子集（最后一组可包含更多数据），最终生成14列的DataFrame，用于后续t检验等统计分析。以下是示例代码和预期输出：

示例代码 #

# 生成示例数据
a <- sample(0:10000, 1368, rep=TRUE)
Df <- data.frame(obs=c(1:1368), var1=a)

# 手动拆分前3组的示例
df2 <- data.frame(col1=Df$var1[1:90],
                  col2=Df$var1[91:180],
                  col3=Df$var1[181:270])

预期输出片段 #

Dataset 1（前7行）

Dataset 2（前14行）

最优解决方案 #

核心逻辑 #

按要求拆分后，前13组每组90条数据，第14组包含剩余的1368 - 13*90 = 198条数据。为了生成结构统一的DataFrame，短组的缺失行用NA填充，保证所有列长度一致。

方法1：Base R实现（无需额外包） #

# 定义通用拆分函数
split_to_14cols <- function(data, group_size = 90) {
  # 提取目标变量列
  val_vec <- data$var1
  total_len <- length(val_vec)
  
  # 计算14组的索引范围
  group_indices <- lapply(1:14, function(i) {
    start <- (i-1)*group_size + 1
    # 最后一组取到末尾，前面的组取group_size条
    end <- ifelse(i == 14, total_len, min(i*group_size, total_len))
    start:end
  })
  
  # 提取每组数据并补全NA到最长组的长度
  col_data <- lapply(group_indices, function(idx) {
    vec <- val_vec[idx]
    length(vec) <- max(sapply(group_indices, length))
    vec
  })
  
  # 合并为DataFrame并命名列
  result <- do.call(data.frame, col_data)
  colnames(result) <- paste0("col", 1:14)
  
  return(result)
}

# 测试函数
a <- sample(0:10000, 1368, rep=TRUE)
Df <- data.frame(obs=c(1:1368), var1=a)
final_df <- split_to_14cols(Df)

# 查看结果结构
str(final_df)

方法2：Tidyverse工具链实现（dplyr + tidyr） #

如果习惯用tidyverse生态，代码更简洁易读：

library(dplyr)
library(tidyr)

split_to_14cols_tidy <- function(data, group_size = 90) {
  data %>%
    # 分配组ID：前13组按90条划分，第14组包含剩余所有
    mutate(group = if_else(row_number() <= 13*group_size,
                          ceiling(row_number()/group_size),
                          14)) %>%
    # 为每组生成组内行号，用于宽表转换
    group_by(group) %>%
    mutate(row_id = row_number()) %>%
    ungroup() %>%
    # 转换为宽表，列对应组，行对应组内位置
    pivot_wider(id_cols = row_id,
                names_from = group,
                values_from = var1,
                names_prefix = "col")
}

# 测试
final_df_tidy <- split_to_14cols_tidy(Df)

多数据集处理 #

如果要处理3个数据集，只需循环调用上述函数，再用bind_cols合并即可：

# 假设你有三个数据集df1, df2, df3
processed_dfs <- lapply(list(df1, df2, df3), split_to_14cols)
combined_df <- do.call(bind_cols, processed_dfs)

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