如何基于相邻行折叠合并大型基础DataFrame？

嘿，我来帮你搞定这个连续行合并的需求！你需要把DataFrame里连续相邻且Occup值相同的行折叠成区间形式，这个需求在基因组数据处理里挺常见的，我给你两种实用的解决方案：

先确认你的原始数据 #

首先先把你提供的示例数据再贴一遍，方便后续测试：

dtf = data.frame(
  chromosome=c("Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1","Chr1"),
  position=1:17,
  position2=1:17,
  name=rep("-",17),
  Occup=c(rep(0.023,5),rep(0.069,4),rep(0.116,3),rep(0.023,5))
)

方法一：用dplyr包（推荐，代码清晰易读） #

dplyr是R中处理数据框的常用工具，步骤很直观：先给连续相同的Occup值分配分组ID，再按分组聚合提取区间起止位置。

# 先安装并加载dplyr（如果没装过的话）
# install.packages("dplyr")
library(dplyr)

# 执行合并操作
dtf_collapsed <- dtf %>%
  # 先按染色体和name分组（确保不同染色体/name不会被误合并）
  group_by(chromosome, name) %>%
  # 创建分组ID：每次Occup和上一行不同时，分组ID加1
  mutate(group_id = cumsum(Occup != lag(Occup, default = first(Occup)))) %>%
  # 按完整分组信息聚合
  group_by(chromosome, name, Occup, group_id) %>%
  summarise(
    start_position = min(position),  # 区间起始位置
    end_position = max(position),    # 区间结束位置
    .groups = "drop"  # 取消分组状态
  ) %>%
  select(-group_id)  # 移除临时用的分组ID

# 查看合并后的结果
print(dtf_collapsed)

运行后得到的结果正是你想要的区间形式：

# A tibble: 4 × 5
  chromosome name  Occup start_position end_position
  <chr>      <chr> <dbl>          <int>        <int>
1 Chr1       -     0.023              1            5
2 Chr1       -     0.069              6            9
3 Chr1       -     0.116             10           12
4 Chr1       -     0.023             13           17

方法二：基础R实现（无需额外安装包） #

如果你不想加载第三方包，用基础R的aggregate函数也能实现：

# 创建分组ID：diff(Occup) != 0 检测相邻值是否变化，cumsum生成分组
dtf$group_id <- cumsum(c(TRUE, diff(dtf$Occup) != 0))

# 按分组聚合，提取位置的最小和最大值
dtf_collapsed_base <- aggregate(
  position ~ chromosome + name + Occup + group_id,
  data = dtf,
  FUN = function(x) c(min(x), max(x))
)

# 把聚合后的起止位置拆分成单独列，并清理临时列
dtf_collapsed_base <- do.call(data.frame, dtf_collapsed_base)
names(dtf_collapsed_base)[5:6] <- c("start_position", "end_position")
dtf_collapsed_base <- dtf_collapsed_base[, -4]

# 查看结果
print(dtf_collapsed_base)

这个方法得到的结果和上面完全一致，适合不想依赖第三方包的场景。

内容的提问来源于stack exchange，提问作者Rivered