如何在R中使用dplyr按条件合并同一分类下的多行数据为单行

核心逻辑是在原有Category分组的基础上，新增「单引号外的内容」作为第二分组键，将同一Category下、单引号外内容完全一致的行归为同一组后做聚合：

• 先提取Description中单引号包裹的内容、以及单引号外的剩余内容作为两个辅助字段
• 按Category + 单引号外内容两个维度分组
• 分组聚合时拼接ID、拼接单引号内的内容，再组装为新的Description字段

library(dplyr)
library(stringr)

# 示例数据
df <- data.frame(
  ID = 1:5, 
  Description = c("'foo' is a dog", "'bar' is a dog", "'foo' is a cat", "'foo' is not a cat", "'bar' is a fish"), 
  Category = c("A", "A", "B", "B", "C")
)

# 处理逻辑
df %>%
  mutate(
    # 提取单引号内的内容
    quote_content = str_extract(Description, "(?<=')[^']+(?=')"),
    # 提取单引号外的内容
    non_quote_part = str_remove(Description, "^'.*?'")
  ) %>%
  # 按分类+单引号外内容双维度分组
  group_by(Category, non_quote_part) %>%
  summarise(
    ID = paste(ID, collapse = ","),
    # 拼接单引号内容后组装回完整Description
    Description = paste0("'", paste(quote_content, collapse = ","), "'", non_quote_part),
    .groups = "drop"
  ) %>%
  # 调整输出列顺序和原结构对齐
  select(ID, Category, Description)

如果不想依赖stringr包，也可以用base R的正则实现辅助字段提取，替换上述代码的mutate部分即可：

mutate(
  quote_content = gsub("^'(.*?)'.*", "\\1", Description),
  non_quote_part = gsub("^'.*?'(.*)", "\\1", Description)
)

和需求的预期输出完全一致。

内容的提问来源于stack exchange，提问作者WenliL