Дублировать контрольные строки по группам

Вариант состоит в том, чтобы filter строки с «neg», «pos» в столбце group и связать строки с исходными данными group_split без «neg», «pos» в столбце group

library(dplyr)
library(tidyr)
library(purrr)
tmp <- before %>% 
          # // filter the rows where the group values are 'neg', 'pos'
          filter(group %in% c('neg', 'pos')) %>%
          # // then replace the treatment values with the group column values
          mutate(treatment = group) %>%
          # // remove the group
          select(-group) 

Теперь мы filter только строки без «neg», «pos» в group

out <- before %>%  
     # // remove the rows where the 'neg' and 'pos' values are in group
     filter(!group %in% c('neg', 'pos')) %>%
     # // returns a list of data.frame/tibbles       
     group_split(group) %>% 
     # // loop over the list, then bind the data with the tmp data
     # // _dfr binds the list element as row binding
     map_dfr(~ bind_rows(.x, tmp) %>% 
                       # // As removed the group column in tmp
                       # // its values are NA
                       # // use fill to replace NA with non-NA previous value
                       fill(group))

-выход

out
# A tibble: 24 x 3
#   group treatment value
#   <chr> <chr>     <int>
# 1 grp1  A             3
# 2 grp1  B             5
# 3 grp1  C             7
# 4 grp1  D             9
# 5 grp1  neg          12
# 6 grp1  neg          10
# 7 grp1  pos           1
# 8 grp1  pos           2
# 9 grp2  A             2
#10 grp2  B             4
# … with 14 more rows

Проверка сюжета

library(ggplot2)
ggplot(data = out, aes(x=treatment, y=value)) +
       geom_boxplot() + 
       facet_wrap (~group)

Это также может быть сделано в одной трубе

before %>% 
    # // replace the treatment values that 'none' with corresponding group values
    mutate(treatment = coalesce(na_if (treatment, 'none'), group)) %>% 
    # // do a group by group
    group_by( group) %>% 
    # // summarise the columns of interest with across
    summarise(across(c(treatment, value), 
      # // append the values in the full dataset where the group
      # // column is 'neg', 'pos'
      ~ c(., dplyr:::peek_mask()$full_data()[[cur_column()]][
          before$group %in% c("neg", "pos")])),
       .groups = 'drop') %>%
    # // filter out the 'pos', 'neg' group rows
    filter(!group %in% c('pos', 'neg'))

-выход

# A tibble: 24 x 3
#   group treatment value
#   <chr> <chr>     <int>
# 1 grp1  A             3
# 2 grp1  B             5
# 3 grp1  C             7
# 4 grp1  D             9
# 5 grp1  neg          12
# 6 grp1  neg          10
# 7 grp1  pos           1
# 8 grp1  pos           2
# 9 grp2  A             2
#10 grp2  B             4
# … with 14 more rows