如何用dplyr和tidyr删除首次评估含NA的ID所有观测？

针对你的需求，这里提供两种基于dplyr的实现方式，都能达到排除首次评估（assessment == 1）存在任意NA值的ID的所有记录的目的：

方法一：分组后直接过滤 #

通过按id分组，直接检查每组首次评估行中指定列是否存在NA，保留无NA的组：

library(dplyr)

cleaned_dataset <- dataset %>%
  group_by(id) %>%
  # 检查首次评估时scoreA和scoreB是否无任意NA
  filter(!any(is.na(c_across(scoreA:scoreB))[assessment == 1])) %>%
  ungroup()

代码说明： #

• group_by(id)：按ID分组处理每个个体的所有记录
• c_across(scoreA:scoreB)：选中需要检查NA的分数列
• [assessment == 1]：仅提取该组中首次评估的行数据
• !any(is.na(...))：判断该组首次评估的行是否不存在任何NA，满足条件则保留整个组的记录

方法二：先筛选有效ID再过滤 #

先找出所有首次评估时无NA的ID列表，再用该列表过滤原数据集，逻辑更直观：

library(dplyr)

# 提取首次评估时scoreA和scoreB均无NA的ID
valid_ids <- dataset %>%
  filter(assessment == 1) %>%
  filter(!is.na(scoreA) & !is.na(scoreB)) %>%
  pull(id)

# 用有效ID过滤原数据集
cleaned_dataset <- dataset %>%
  filter(id %in% valid_ids)

代码说明： #

• 第一步先筛选出所有首次评估的记录，再过滤掉存在NA的行，最后提取这些有效ID
• 第二步用id %in% valid_ids保留所有有效ID的全部观测

结果验证 #

处理后的cleaned_dataset将仅包含ID 1、3、4的所有记录，ID 2和5的所有观测已被排除，符合你的需求。

内容的提问来源于stack exchange，提问作者DrNight