R语言：按条件合并数据框行角色值的问题及解决需求

嘿，我来帮你搞定这个DataFrame合并的问题！首先咱们先确认下你提供的示例数据结构：

df<-structure(list(First = c("John", "John", "John", "Teddy", "Teddy", "Jess", "Jess", "Jess"), Last = c("Smith", "Smith", "Smith", "Bush", "Bush", "Clinton", "Clinton", "Clinton"), C_ID = c(10045L, 10045L, 10045L, 10046L, 10046L, 10050L, 10050L, 10050L), OrgName = c("Acme", "Acme", "Acme", "Acme", "Acme", "Consult", "Consult", "Consult" ), O_ID = c(901L, 901L, 901L, 901L, 901L, 904L, 904L, 904L), Program = c("Buildings", "Buildings", "Homes", "Buildings", "Buildings", "Homes", "Homes", "Homes"), Role = c("Primary", "Communications", "Primary", "Primary", "Signatory", "Signatory", "Primary", "Communications")), .Names = c("First", "Last", "C_ID", "OrgName", "O_ID", "Program", "Role"), class = "data.frame", row.names = c(NA, -8L))

你之前用ddply遇到的两个问题，根源其实很明确：

• 分组时用了df$C_ID这种写法，导致分组后的列名混乱、顺序被打乱；
• 直接对整个分组应用paste，会把所有列的内容强行合并，哪怕是值完全相同的列（比如姓名）也会变成c("John", "John")这种奇怪格式。

下面给你两种靠谱的解决方法，分别适配不同的工具偏好：

方法一：用dplyr（推荐，高效又简洁） #

dplyr是现在处理DataFrame的主流工具，语法直观，处理10万行的数据集也毫无压力：

library(dplyr)

df_cleaned <- df %>%
  # 按联系人ID、项目、机构ID进行分组
  group_by(C_ID, Program, O_ID) %>%
  # 对非Role列保留唯一值（同一分组下这些值本来就相同），合并Role列
  summarize(
    # 用across批量处理所有非Role列，取第一个值（和unique效果一致）
    across(-Role, ~first(.)),
    # 合并去重后的角色，用逗号分隔成字符串
    Role = paste(unique(Role), collapse = ", ")
  ) %>%
  # 取消分组（后续操作更灵活）
  ungroup()

如果你的数据集有很多非Role列，across(-Role, ~first(.))这一行就能批量处理所有列，不用手动列每个字段名，非常省心。

方法二：用plyr（适配你原来的工具链） #

如果你习惯用plyr，只需要自定义一个分组处理函数，针对性合并Role列即可：

library(plyr)

df_cleaned_plyr <- ddply(df, .(C_ID, Program, O_ID), function(group_data) {
  data.frame(
    First = unique(group_data$First),
    Last = unique(group_data$Last),
    OrgName = unique(group_data$OrgName),
    Role = paste(unique(group_data$Role), collapse = ", ")
  )
})

这里的核心是不再直接把paste传给ddply，而是写一个匿名函数：对每个分组，相同值的列用unique()保留单个值，Role列则合并成逗号分隔的字符串。

最终效果 #

处理后的结果会完全符合你的需求：

• John（C_ID=10045）在Buildings项目下的Role变为"Primary, Communications"
• John在Homes项目下的Role是"Primary"
• Teddy的Buildings项目Role是"Primary, Signatory"
• Jess的Homes项目Role是"Signatory, Primary, Communications"

所有其他列（姓名、机构名等）都保留了单个正确的值，列名和顺序也和原数据集完全一致，不会再出现混乱的情况。

内容的提问来源于stack exchange，提问作者Danny