R语言实现数据框连续同名title分组 拼接对应text列值

你原有代码无法得到预期结果，核心问题有两点：

• 开头的filter(title %in% sample(unique(title)))逻辑是对title做随机抽样筛选，会随机丢失数据，和保留全量数据、保留原始顺序的需求完全无关
• 直接使用group_by(title)是对全局所有同名title做聚合，会把不连续出现的同名title（比如示例中D前后的两段C）错误合并，不符合「非连续同名不跨组合并」的要求

要实现连续相同值分组，核心是先构造连续分组标识：当当前行title和上一行title不一致时，分组序号累加1，用这个标识区分开不连续的同名分组，再做聚合即可。

dplyr原生实现 #

不需要额外依赖其他包，直接用dplyr内置函数即可实现：

library(dplyr)

result <- df %>%
  # 生成连续分组ID：当前title和上一行不同时组号+1
  mutate(group_id = cumsum(title != lag(title, default = first(title)))) %>%
  # 按连续分组ID和title分组，保证同组都是连续出现的相同title
  group_by(group_id, title) %>%
  summarise(
    # 如果需要统计每组text数量，取消下面这行注释即可
    # text_count = n(),
    text = paste(unique(text), collapse = " "),
    .groups = "drop"
  ) %>%
  # 移除辅助分组ID列，保留需要的输出字段
  select(title, text)

更简便的实现（借助data.table的rleid函数） #

如果安装了data.table包，可以用专门为连续相同值生成分组ID的rleid()函数，代码更简洁：

library(dplyr)

result <- df %>%
  group_by(group_id = data.table::rleid(title), title) %>%
  summarise(
    text = paste(unique(text), collapse = " "),
    .groups = "drop"
  ) %>%
  select(title, text)

用你提供的示例数据运行上述代码，得到的结果和预期完全一致：

title text                    
  <chr> <chr>                   
1 A     I like...               
2 B     I wish...               
3 C     review1 review2 review3 
4 D     Detecting...            
5 C     review1 review2         
6 E     New...

内容的提问来源于stack exchange，提问作者Ranji Raj