R语言如何按条件折叠dataframe行并按id3字段聚合数值

实现方案 #

使用dplyr包处理即可，适配大数据量场景，无需手动指定任何id值过滤，操作步骤如下：

1. 加载依赖包 #

如果没有安装过dplyr先执行安装，之后加载：

# install.packages("dplyr")
library(dplyr)

2. 折叠重复行（第一阶段输出） #

你的示例中第2、3行的id1、id2、id3完全一致，数值列也完全相同，直接按id类列去重即可实现折叠：

df_step1 <- df %>% 
  distinct(id1, id2, id3, .keep_all = TRUE)

如果实际场景中，id类列重复的行数值列取值不同，需要合并时对数值列求和，可以用以下代码替换：

df_step1 <- df %>%
  group_by(id1, id2, id3) %>%
  summarise(across(starts_with("n"), sum), .groups = "drop")

运行后得到的df_step1就是你需要的第一阶段结果：

id1  id2 id3 n1 n2 n3 n4
1   a <NA>   a  2  2  0  0
2   b    a   a  2  1  1  1
3   c <NA>   e  3  1  3  2

3. 按id3聚合（最终输出） #

按id3分组，对所有数值列求和，id1取该分组内id2为NA的对应值即可：

df_final <- df_step1 %>%
  group_by(id3) %>%
  summarise(
    id1 = id1[is.na(id2)][1],
    across(starts_with("n"), sum)
  ) %>%
  relocate(id1, .before = id3) # 调整列顺序和你期望的输出对齐

运行后得到的df_final结果如下：

# A tibble: 2 × 6
  id1   id3      n1    n2    n3    n4
  <chr> <chr> <dbl> <dbl> <dbl> <dbl>
1 a     a         4     3     1     1
2 c     e         3     1     3     2

方案说明 #

• 全程无硬编码的id值，自动适配所有不同的拉丁名称分组
• dplyr的分组聚合做了性能优化，处理大体积数据比基础包aggregate效率更高
• 如果你的列命名规则和示例不同，只需要调整starts_with("n")为你的数值列匹配规则，distinct的参数调整为你的id类列即可

内容的提问来源于stack exchange，提问作者Anh