R语言按x、y、cell_id指定列将多行合并为单行的高效方法

最高效处理方案（基于R的data.table包，60万行数据可秒级完成） #

data.table底层为C实现，是R生态中处理结构化数据性能最高的工具，完全适配你的需求：

步骤1：加载包并转换数据格式 #

# 未安装先运行 install.packages("data.table")
library(data.table)
# 假设你的原始数据框名为raw_df，转为data.table对象
setDT(raw_df)

步骤2：定义分组与聚合规则 #

# 分组键：x、y、cell_id、population（若同分组下population不唯一，可移到聚合逻辑中取首值/均值）
group_keys <- c("x", "y", "cell_id", "population")
# 匹配所有需要合并的数值列，前缀根据你的实际字段调整：
# 如果是output开头就写 "^output\\d+$"，如果是infected_DM开头就写 "^infected_DM_\\d+$"
value_cols <- grep("^infected_DM_\\d+$", names(raw_df), value = TRUE)

步骤3：分组聚合 #

# 聚合逻辑可按需调整：
# 同列多值相加用sum，同列只要出现非0值就取1用 function(x) as.integer(any(x > 0))，取最大值用max，取第一个非0值用 function(x) {res <- x[x!=0][1]; ifelse(is.na(res), 0, res)}
result <- raw_df[, lapply(.SD, sum), by = group_keys, .SDcols = value_cols]

步骤4：补全缺失的output列（无值补0） #

# 生成0到999所有要求的列名，前缀和上面保持一致
all_cols <- paste0("infected_DM_", 0:999)
# 补全缺失列，默认值为0
missing_cols <- setdiff(all_cols, names(result))
result[, (missing_cols) := 0]
# 调整列顺序，分组列在前，output列按数字顺序排列
setcolorder(result, c(group_keys, sort(all_cols)))

可选：转回普通data.frame格式 #

setDF(result)

内容的提问来源于stack exchange，提问作者zeizeiv9