基于多条件的生态数据聚合：用dplyr还是循环实现？

问题背景 #

现有一个整洁的生态数据集，每行代表一个样本/个体，包含多列变量。模拟数据集代码如下：

# fake dataset
loc <- c(1,1,2,2,2,3,3,3,3,3,3,3,3)
date <- c(2021, 2022, 2021, 2021, 2022, 2021, 2021, 2022, 2023, 2023, 2023, 2023, 2023)
hab <- c("w", "l", "w", "w", "w", "l", "l", "w", "w", "w", "w", "w", "w")
spec <- c("frog", "frog", "frog", "frog", "frog", "beaver", "beaver", "beaver", "kingfisher", "kingfisher", "kingfisher", "kingfisher", "kingfisher")
n <- c(1,1,1,1,1,1,1,1,1,1,1,1,1)

df <- tibble(loc, date, hab, spec, n)

需求：将同一地点（loc）、日期（date）、栖息地（hab）下的指定物种（beaver和kingfisher，不含frog）的个体合并到同一行，每行最多包含3个个体，最终输出格式如下：

# wanted output
loc1 <- c(1,1,2,2,2,3,3,3,3)
date1 <- c(2021, 2022, 2021, 2021, 2022, 2021, 2022, 2023, 2023)
hab1 <- c("w", "l", "w", "w", "w", "l", "w", "w", "w")
spec1 <- c("frog", "frog", "frog", "frog", "frog", "beaver", "beaver", "kingfisher", "kingfisher")
n1 <- c(1,1,1,1,1,2,1,3,2)

df1 <- tibble(loc1, date1, hab1, spec1, n1)

# 输出预览
#    loc1 date1 hab1  spec1         n1
#   <dbl> <dbl> <chr> <chr>      <dbl>
# 1     1  2021 w     frog           1
# 2     1  2022 l     frog           1
# 3     2  2021 w     frog           1
# 4     2  2021 w     frog           1
# 5     2  2022 w     frog           1
# 6     3  2021 l     beaver         2
# 7     3  2022 w     beaver         1
# 8     3  2023 w     kingfisher     3
# 9     3  2023 w     kingfisher     2

解决方案：用dplyr实现 #

完全不需要使用for loop，仅通过dplyr的分组、窗口函数和聚合操作就能完成需求，代码如下：

library(dplyr)

df_processed <- df %>%
  # 为需要合并的物种添加批次序号，每3个个体为一个批次；frog保持每个个体单独成批次
  group_by(loc, date, hab, spec) %>%
  mutate(
    batch = ifelse(spec %in% c("beaver", "kingfisher"), 
                   ceiling(row_number() / 3), 
                   row_number())
  ) %>%
  ungroup() %>%
  # 按原分组+批次聚合，计算每个批次的个体总数
  group_by(loc, date, hab, spec, batch) %>%
  summarise(n = sum(n), .groups = "drop") %>%
  # 移除临时的批次列
  select(-batch)

# 查看最终结果
df_processed

代码逻辑说明 #

1. 批次划分：通过row_number()生成分组内的个体序号，对指定物种用ceiling(row_number()/3)将每3个个体划为一个批次，frog则每个个体单独成批次，确保不合并。
2. 聚合合并：按loc、date、hab、spec和batch分组，对n求和，实现同批次个体的合并。
3. 结果整理：移除临时的batch列，得到符合要求的输出结构。

运行上述代码后，输出结果与需求中的df1完全一致。

内容的提问来源于stack exchange，提问作者matteo_rpm