使用dplyr对分组变量过滤未生效的问题求助

嘿，我来帮你排查这个问题！你现在遇到的过滤不生效的问题，核心是逻辑条件的设计完全不符合你的需求，咱们一步步拆解来看：

为什么你的原代码不起作用？ #

你写的过滤条件是：

filter(CPTCode != 33975 | CPTCode != 33976 | CPTCode != 33935 | CPTCode != 33945)

这个条件是对每一行做判断的——只要某一行满足任意一个!=的条件，就会保留这行。比如对于RunId=1的患者，他的第一行CPT是33975，虽然不满足CPTCode !=33975，但它满足CPTCode !=33976，所以这行会被保留；第二行是10436，满足所有!=条件，也会被保留。最终整个分组都被留了下来，完全达不到“排除有特定CPT的患者”的目的。

正确的过滤方式 #

你的需求是：排除所有在任意一行包含目标CPT代码的患者，也就是只保留那些所有行的CPT都不在目标列表里的患者。这里需要用分组级别的逻辑判断（all()或any()），而不是逐行判断：

方法1：用all()判断分组内所有CPT都不在目标列表

library(tibble)
library(dplyr)

data <- tribble(
  ~RunId, ~CPTCode,
  1, 33975,
  1, 10436,
  2, 33976,
  2, 10436,
  3, 33935,
  3, 10436,
  4, 33945,
  4, 10436,
  5, 10436
)

data2 <- data %>%
  group_by(RunId) %>%
  filter(all(!CPTCode %in% c(33975, 33976, 33935, 33945))) %>%
  ungroup() # 记得取消分组，避免后续操作受影响

方法2：用any()的否定，判断分组内不存在目标CPT

data2 <- data %>%
  group_by(RunId) %>%
  filter(!any(CPTCode %in% c(33975, 33976, 33935, 33945))) %>%
  ungroup()

方法3：先找出要排除的患者ID，再反选（更直观）

如果你觉得分组判断有点绕，也可以先提取所有包含目标CPT的患者ID，再排除这些ID的所有行：

# 先获取所有需要排除的RunId
exclude_runids <- data %>%
  filter(CPTCode %in% c(33975, 33976, 33935, 33945)) %>%
  pull(RunId) %>%
  unique()

# 过滤掉这些ID的所有行
data2 <- data %>%
  filter(!RunId %in% exclude_runids)

以上三种方法运行后，data2都会和你期望的desired_data完全一致。

备注：内容来源于stack exchange，提问作者John Ryan