R语言处理杂乱数据：提取变量中作为表头的取值生成新列

核心思路 #

通用方案不需要依赖表头的命名规则，你只需要先自定义表头行的判定逻辑，再基于表头位置对数据做分组填充即可，判定逻辑可以根据你的实际业务场景灵活调整。

实现方案1：tidyverse 版本（代码可读性高） #

library(dplyr)

df_result <- df |> 
  # 第一步：自定义表头判定规则，可根据实际需求修改
  # 示例规则：a列取值不等于"value"即为表头，也可替换为其他规则，比如行号、其他列的特征等
  mutate(is_header = a != "value",
         # 第二步：遇到新的表头就生成新的分组ID
         group_id = cumsum(is_header)) |> 
  # 第三步：按分组取第一个值作为组对应的表头，填充到新列c
  group_by(group_id) |> 
  mutate(c = first(a)) |> 
  ungroup() |> 
  # 清理过程中生成的中间列
  select(-is_header, -group_id)

如果你的场景是预先知道所有表头的取值，只需要把判定规则改成以下形式即可，不需要表头有固定前缀：

# 把你已知的所有表头取值放到向量里
header_list <- c("fererfw", "ewetwet", "其他表头值")
mutate(is_header = a %in% header_list)

实现方案2：基础R版本（无需加载额外包） #

# 自定义表头判定规则，可根据实际需求修改
is_header <- df$a != "value"
# 生成分组ID
df$group_id <- cumsum(is_header)
# 按分组填充表头到新列c
df$c <- ave(df$a, df$group_id, FUN = function(x) x[1])
# 移除中间分组列
df$group_id <- NULL

内容的提问来源于stack exchange，提问作者persephone