如何在R中按patient_id统计符合规则的cond变量患者数量？

核心思路 #

先按patient_id分组，提取每个患者的非NA cond值，再根据规则判断患者所属类别，最后统计各类别数量。

示例数据构造 #

# 模拟题目中的示例数据（patient1存在错误的0，实际应为1）
df <- data.frame(
  patient_id = c(1, 1, 2, 3, 3, 4),
  cond = c(0, 1, 0, NA, 1, NA)
)

代码实现（使用dplyr） #

library(dplyr)

# 分组判定每个患者的类别
patient_category <- df %>%
  group_by(patient_id) %>%
  summarise(
    # 提取当前患者所有非NA的cond值
    valid_cond = na.omit(cond),
    # 根据规则判定类别
    category = case_when(
      length(valid_cond) == 0 ~ "NA's",          # 仅含NA
      any(valid_cond == 1) ~ "1's",             # 存在任意1
      all(valid_cond == 0) ~ "0's",             # 仅含0或0+NA
      TRUE ~ "999"                              # 含其他值
    ),
    .groups = "drop"
  )

# 统计各类别数量，确保4个类别都显示（即使数量为0）
result <- factor(patient_category$category, levels = c("0's", "1's", "NA's", "999")) %>% 
  table()

print(result)

输出结果 #

运行后会得到符合要求的统计：

0's 1's NA's  999 
   1    2    1    0 

代码说明 #

• group_by(patient_id)：按患者ID分组，确保每个患者的cond值被统一处理
• na.omit(cond)：过滤掉NA值，只保留有效取值用于判断
• case_when：按优先级判定类别（先判断全NA，再判断含1的情况，因为含1的优先级高于含0）
• factor(..., levels = ...)：强制指定4个类别，避免某个类别数量为0时不显示

内容的提问来源于stack exchange，提问作者joejoe9