如何按name、clinic、year分组，条件式mutate()统一tested列取值？

需求 #

1. 按name、clinic、year分组，若组内存在tested值为yes的行，将该组所有行的tested统一设为yes
2. 基于处理后的结果，为每个name+clinic+year组合仅保留一行数据

示例原始数据 #

处理代码（R + dplyr） #

library(dplyr)

# 构造示例数据集
df <- tibble(
  name = c("patientx", "patientx", "patientxy", "patientxy", "patientxyz", "patientxyz"),
  clinic = c("xxy", "xxy", "ggf", "ggf", "ffr", "ffr"),
  year = c(2022, 2022, 2019, 2019, 2018, 2019),
  date = c("四月", "五月", "一月", "二月", "三月", "五月"),
  tested = c("yes", "no", "no", "yes", "yes", "no")
)

# 执行数据处理
processed_df <- df %>%
  # 第一步：分组统一tested字段值
  group_by(name, clinic, year) %>%
  mutate(tested = if_else(any(tested == "yes"), "yes", tested)) %>%
  ungroup() %>%
  # 第二步：按分组保留一行（此处保留最早日期的行，可按需调整）
  group_by(name, clinic, year) %>%
  slice_min(date, n = 1) %>%
  ungroup()

处理后结果 #

说明 #

• 若需要保留分组内最晚日期的行，将slice_min(date)替换为slice_max(date)即可
• 也可根据其他自定义逻辑选择保留的行，比如使用filter()筛选特定条件

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