如何合并DataFrame中Patient ID与Date均匹配的行

假设你的DataFrame结构如下（示例数据）：

library(dplyr)

# 构造示例数据
df <- tibble(
  `Patient ID` = c("P001", "P001", "P001", "P002", "P002"),
  Date = as.POSIXct(c("2024-01-01 09:00", "2024-01-01 09:00", "2024-01-02 10:00", "2024-01-01 14:00", "2024-01-01 14:00")),
  b = c(12, NA, NA, NA, 34),
  a = c(NA, 5.6, NA, 7.8, NA),
  c = c(NA, NA, 90, NA, NA),
  d = c(NA, NA, NA, 100, NA)
)

方法1：使用dplyr包 #

核心思路是按Patient ID和Date分组，对每个检测列提取非NA值（每个分组内每个列仅存在一个非NA值）：

df_merged <- df %>%
  group_by(`Patient ID`, Date) %>%
  summarise(across(c(b, a, c, d), ~ first(na.omit(.x))), .groups = "drop")

• across(c(b,a,c,d)) 指定要处理的检测列，也可以用across(everything())自动处理所有非分组列
• first(na.omit(.x)) 提取分组内该列的非NA值
• .groups = "drop" 取消分组状态，返回普通DataFrame

方法2：使用data.table包 #

如果数据量较大，data.table的运行效率更高：

library(data.table)
setDT(df)
df_merged <- df[, lapply(.SD, function(x) x[!is.na(x)]), by = .(`Patient ID`, Date)]

• .SD 代表分组后的子数据集，lapply(.SD, ...) 对每个列应用提取非NA值的函数
• by = .(Patient ID, Date) 指定分组依据

方法3：Base R 原生方法 #

无需额外安装包，用aggregate函数即可实现：

df_merged <- aggregate(. ~ `Patient ID` + Date, data = df, FUN = function(x) x[!is.na(x)])

• . ~ Patient ID + Date 表示按两列分组，处理其余所有列
• 自定义FUN函数提取每个列的非NA值

以上三种方法都能实现需求：将同一Patient ID和Date组合的多行数据合并为一行，填充所有检测指标的有效数值。

内容的提问来源于stack exchange，提问作者raffaelluca