仅已知母亲ID时在面板数据中生成子ID的dplyr实现方案

示例数据 #

首先是生成示例数据集的R代码：

id <- c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 5)
t <- c(1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3)
md <- c(NA,NA,NA,1, 1, 1, 1, 1, 1, 1, 1, 1, 4, 4, 4)
dat <- data.frame(id, t, md)

运行后得到的原始数据集：

dat
id t md
1 1 1 NA
2 1 2 NA
3 1 3 NA
4 2 1 1
5 2 2 1
6 2 3 1
7 3 1 1
8 3 2 1
9 3 3 1
10 4 1 1
11 4 2 1
12 4 3 1
13 5 1 4
14 5 2 4
15 5 3 4

数据集说明 #

该数据集包含：

• 个人ID（id）：唯一标识每个个体
• 时间点（t）：记录个体在3个不同时间点的观测
• 母亲ID（md）：对应个体的母亲ID，其中：
  • ID为1的个体无对应母亲，且是ID为2-4的个体的母亲
  • ID为4的个体是ID为5的个体的母亲

需求目标 #

需要基于md字段生成子ID相关的新变量：

• 根据每个母亲的子个体数量，动态创建对应数量的新变量（如kd1、kd2...）
• 每个子个体的ID单独记录在一个变量中，无子个体的位置填充NA

预期输出结果：

dat
id t md kd1 kd2 kd3 kd4
1 1 1 NA 2 3 4 NA
2 1 2 NA 2 3 4 NA
3 1 3 NA 2 3 4 NA
4 2 1 1 NA NA NA NA
5 2 2 1 NA NA NA NA
6 2 3 1 NA NA NA NA
7 3 1 1 NA NA NA NA
8 3 2 1 NA NA NA NA
9 3 3 1 NA NA NA NA
10 4 1 1 5 NA NA NA
11 4 2 1 5 NA NA NA
12 4 3 1 5 NA NA NA
13 5 1 4 NA NA NA NA
14 5 2 4 NA NA NA NA
15 5 3 4 NA NA NA NA

灵活解决方案（基于dplyr） #

这个方案完全适配复杂数据集，不用提前知道最大子个体数量，核心思路是先构建母子映射关系，再动态生成子ID列：

library(dplyr)
library(tidyr)

# 第一步：构建母子映射表，自动给每个母亲的子ID编号
child_mapping <- dat %>%
  distinct(id, md) %>%  # 去重，避免同一个个体的母子关系重复计算
  filter(!is.na(md)) %>%  # 只保留有明确母亲的个体
  group_by(md) %>%
  mutate(child_num = row_number()) %>%  # 给每个母亲的子个体按顺序编号
  ungroup() %>%
  pivot_wider(
    names_from = child_num,
    values_from = id,
    names_prefix = "kd"  # 子ID列名统一用kd前缀
  )

# 第二步：将子ID信息合并回原始数据集
dat_final <- dat %>%
  left_join(child_mapping, by = c("id" = "md")) %>%  # 用原始数据的id匹配映射表的母亲id（md）
  select(id, t, md, starts_with("kd"))  # 调整列顺序，把子ID列放在md之后

方案细节解释 #

1. 去重处理：distinct(id, md)确保每个个体的母子关系只被处理一次，避免重复统计子个体数量
2. 动态编号：row_number()自动适配每个母亲的子个体数量，不管是1个还是N个都能正确编号
3. 宽表转换：pivot_wider会根据子个体的最大数量自动生成对应列，无子个体的位置自动填充NA
4. 数据合并：left_join保证原始数据的每一行（包括每个时间点的观测）都能匹配到对应的子ID信息，不会丢失任何原始数据

运行上述代码后就能得到和预期一致的结果，而且不管实际数据里有多少母亲、每个母亲有多少子个体，这个方案都能自动适配，完全不需要手动调整参数。

内容的提问来源于stack exchange，提问作者C.F.