R语言DataFrame处理：根据前后行骑行站点匹配删除当前行

核心逻辑 #

我们只需要判断每行的end_station_name是否和下一行的start_station_name相等，保留不相等的行即可，最后一行无下一行默认保留。 #

方法1：dplyr实现（适合tidyverse技术栈，可读性高） #

测试数据构造 #

df <- data.frame(
  ride = 1:5,
  start_station_name = c("A", "B", "C", "M", "K"),
  end_station_name = c("B", "C", "D", "N", "L")
)

过滤代码 #

library(dplyr)
df_result <- df %>%
  filter(end_station_name != lead(start_station_name, default = ""))

lead()函数会提取当前行的下一行对应列的值，default参数设置最后一行的下一行默认值为空字符串，保证最后一行始终保留。 #

方法2：data.table实现（适合超大型数据集，性能最优） #

library(data.table)
setDT(df) # 转换为data.table格式
df_result <- df[end_station_name != shift(start_station_name, type = "lead", fill = "")]

方法3：基础R实现（无需加载第三方包） #

# 生成保留行的逻辑向量，最后一位默认设为TRUE
keep_flag <- c(df$end_station_name[-nrow(df)] != df$start_station_name[-1], TRUE)
df_result <- df[keep_flag, ]

注意事项 #

如果数据包含多个用户的骑行记录，需要先按用户ID、骑行时间排序后分组再执行过滤，避免跨用户的相邻记录误判，示例（dplyr版本）：

df_result <- df %>%
  arrange(user_id, ride_time) %>%
  group_by(user_id) %>%
  filter(end_station_name != lead(start_station_name, default = "")) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者GuiW