使用dplyr按条件处理行：实现患者随访数据单条记录聚合

问题 #

现有患者随访数据框df：

字段说明：

• ID：患者标识
• FOLLOW-UP：随访次数
• RECURRENCE：复发情况（yes/no）
• RECURRENCE DATE：复发日期（仅复发时填写）

需要将每个患者仅保留一条记录，规则如下：

• 若患者多次复发，保留**最早复发（首次复发日期）**的行；
• 若患者既有复发又有未复发记录，保留最早复发的行；
• 若患者所有随访均未复发，保留随访1的行。

期望输出结果：

可复现代码：

df <- data.frame(ID = c("15", "15", "16","29", "29", "34","34", "34", "36","36"),
                 FOLLOW_UP = c("1", "2", "1","1", "2", "1","2", "3", "1","2"),
                 RECURRENCE = c("no", "yes", "no","yes", "yes", "yes","no", "yes", "no","no"),
                 RECURRENCE_DATE = c("", "2003-05-15", "","2002-06-10", "2002-12-16", "2009-11-15","", "2012-05-03", "","")
)

考虑用group_by和slice函数，但不知道如何添加条件实现需求，寻求帮助。

解决方案 #

可以用dplyr包的分组+排序+切片逻辑实现，核心是给每条记录设定优先级，再按优先级筛选：

代码实现 #

library(dplyr)

df_result <- df %>%
  # 预处理字段：转换随访次数为整数，空日期转为NA并转成日期格式
  mutate(
    FOLLOW_UP = as.integer(FOLLOW_UP),
    RECURRENCE_DATE = ifelse(RECURRENCE_DATE == "", NA, RECURRENCE_DATE),
    RECURRENCE_DATE = as.Date(RECURRENCE_DATE)
  ) %>%
  # 按患者ID分组
  group_by(ID) %>%
  # 排序规则：复发记录优先，复发记录按日期升序（最早在前），未复发按随访次数升序
  arrange(desc(RECURRENCE == "yes"), RECURRENCE_DATE, FOLLOW_UP) %>%
  # 取每组第一条（优先级最高的记录）
  slice(1) %>%
  ungroup() %>%
  # 把日期字段的NA转回空字符串，和原始格式对齐
  mutate(RECURRENCE_DATE = ifelse(is.na(RECURRENCE_DATE), "", as.character(RECURRENCE_DATE)))

# 查看结果
print(df_result)

逻辑说明 #

1. 字段预处理：把字符串类型的随访次数转成整数，空日期转为NA并转成日期格式，方便后续排序；
2. 排序优先级：
   • desc(RECURRENCE == "yes")让所有复发记录（yes）排在未复发记录前面，满足"有复发则优先保留复发记录"的规则；
   • 复发记录内部按RECURRENCE_DATE升序，确保最早的复发日期排在第一；
   • 未复发记录内部按FOLLOW_UP升序，确保随访1排在第一；
3. 切片取数：每组排序后的第一条就是符合要求的记录，用slice(1)直接提取即可。

内容的提问来源于stack exchange，提问作者lM__3