R - 按组连接数据框中的单元格，具体取决于另一个单元格值

Question

我有以下类型的数据集（第一行是标题）：

• content 总是文本
• merge 总是合乎逻辑的

id1  id2  start_line end_line content           merge
A    B    1          1        "aaaa"            TRUE
A    B    4          4        "aa mm"           TRUE
A    B    5          5        "boool"           TRUE
A    B    6          6        "omw"             TRUE
C    D    6          6        "hear!"           TRUE
C    D    7          7        " me out!"        TRUE
C    D    21         21       "hello"           FALSE

问题：我需要按照非常具体的标准进行合并：

• 具有merge = FALSE 的行必须保持原样
• 具有相同id1、相同id2和连续start_line的行：
  • 需要在列上追加content
  • end_line 值需要更改到最后一行

所以，预期的结果是：

id1  id2  start_line end_line content             merge
A    B    1          1        "aaaa"              TRUE
A    B    4          6        "aa mm boool omw"   TRUE
C    D    6          7        "hear!  me out!"    TRUE
C    D    21         21       "hello"             FALSE

在示例中注意：

• 最小合并是两行（id 示例：C-D，最初是第 6 行和第 7 行）
• 可以合并多行（ID A-B 的示例，最初是第 2、3、4 行）

我尝试了一系列非常大且效率低下的循环，只合并了两行。这就是为什么我不在这里发布我的尝试。

Answer 1

使用dplyr你可以试试：

library(dplyr)

df %>%
 group_by(id1, id2, grp = cumsum(c(TRUE, diff(start_line) > 1))) %>%
 summarise(start_line = first(start_line), 
           end_line = last(end_line), 
           content = paste(content, collapse = " "), 
            merge = any(merge))


#  id1   id2     grp start_line end_line content         merge
#  <chr> <chr> <int>      <int>    <int> <chr>           <lgl>
#1 A     B         1          1        1 aaaa            TRUE 
#2 A     B         2          4        6 aa mm boool omw TRUE 
#3 C     D         2          6        7 hear!  me out!  TRUE 
#4 C     D         3         21       21 hello           FALSE

数据

df <- structure(list(id1 = c("A", "A", "A", "A", "C", "C", "C"), id2 = c("B", 
"B", "B", "B", "D", "D", "D"), start_line = c(1L, 4L, 5L, 6L, 
6L, 7L, 21L), end_line = c(1L, 4L, 5L, 6L, 6L, 7L, 21L), content = c("aaaa", 
"aa mm", "boool", "omw", "hear!", " me out!", "hello"), merge = c(TRUE, 
TRUE, TRUE, TRUE, TRUE, TRUE, FALSE)), class = "data.frame", 
row.names = c(NA, -7L))