r - 向上合并行，同时缺少列单元格中的值

Question

我从格式不正确的 pdf 表格中读取了一些数据，其中的单元格有时跨越几页。这给我留下了一个看起来与此类似的数据框:

company_name <- c("company_a", NA, "company_a", "company_b", "company_b", NA)
text <- c("some_text", "text that should be in the above cell","some_text",  "some_text", "some_text","text that should be in the above cell")
more_text <- c("some_text", "text that should be in the above cell", "some_text",  "some_text", "some_text","text that should be in the above cell")
df <- data.frame(company_name, text, more_text)

<表类=“s-表”> <标题> 公司名称 文本 more_text <正文> company_a 一些_文本 一些_文本 不适用 应位于上述单元格中的文本 应位于上述单元格中的文本 company_a 一些_文本 一些_文本 company_b 一些_文本 一些_文本 company_b 一些_文本 一些_文本 不适用 应位于上述单元格中的文本 应位于上述单元格中的文本

如何合并“company_name”应该包含缺失值的行，使其看起来更像这样，并在以 NA 开头的所有行上循环:

<表类=“s-表”> <标题> 公司名称 文本 more_text <正文> company_a some_text + 应位于上述单元格中的文本 some_text + 应位于上述单元格中的文本 company_a 一些_文本 一些_文本 company_b 一些_文本 一些_文本 company_b some_text + 应位于上述单元格中的文本 some_text + 应位于上述单元格中的文本

我已经尝试过unheadr包，但我似乎无法找出要使用的正确函数。

编辑:重新编写示例以使其更加清晰

Answer 1

我们根据 NA 元素 (ind) 创建一个逻辑列，然后通过转换 'ind' 或 (|) 来创建 'grp'该列的 >lead 到带有 rleid 的数字索引，使用 fill 将 NA 元素替换为之前的非 NA 'company_name，然后使用分组列并通过将元素粘贴在一起来汇总跨其他列

library(dplyr)
library(tidyr)
library(stringr)
library(data.table)
df %>% 
   mutate(ind = is.na(company_name), 
       grp = rleid(ind|lead(ind))) %>%
    fill(company_name) %>% 
    group_by(company_name, grp) %>% 
    summarise(across(contains('text'), str_c, collapse=" + "), .groups = 'drop') %>% 
    select(-grp)
# A tibble: 4 x 3
#  company_name text                                              more_text                                        
#  <chr>        <chr>                                             <chr>                                            
#1 company_a    some_text + text that should be in the above cell some_text + text that should be in the above cell
#2 company_a    some_text                                         some_text                                        
#3 company_b    some_text                                         some_text                                        
#4 company_b    some_text + text that should be in the above cell some_text + text that should be in the above cell

数据

df <- data.frame(company_name = company_a, text, more_text)