R语言按SID分组：为PHASE列填充经期前后标识

需求说明 #

对按SID分组的DataFrame执行以下操作：

• 将PHASE列中所有Day_1行的**前7行（未被Day_*值占用的）**填充为Before
• 将经期最后一天（任意Day_*行，周期天数不固定）的**后7行（未被Day_*值占用的）**填充为After
• 核心限制：不得覆盖PHASE列已有的Day_1至Day_*值

此前尝试的问题 #

尝试的两种方法均存在缺陷：

1. 全局索引赋值法：出现跨SID覆盖问题，未考虑分组边界
2. 循环处理单个SID法：在边界场景失效，比如Day_1出现在分组前6行、经期最后一天出现在分组末尾6行时，无法正确填充

用户尝试的代码如下：

# 方法1：全局索引赋值
datat$PHASE[pmin(nrow(data), unique(unlist(lapply(which(data$PHASE == "Day_1"), `-`, 1:7))))] <- "Before"

# 方法2：循环处理单个SID
for (i in patients) {
  tryCatch({
    data.filt <- data %>% 
                          filter(SID == i) 
    data.filt$PHASE[pmin(nrow(data.filt), unique(unlist(lapply(which(data.filt$PHASE == "Day_1"), `-`, 1:7))))] <- "Before"
    assign(paste0(i), data.filt)
  }, error = function(e){cat(paste0(i, "_ERROR :", conditionMessage(e), "\n"))})
}

有效解决方案 #

使用dplyr分组操作，通过标记周期首尾位置、扩散行号范围，精准完成填充需求：

data <- data %>%
                group_by(SID) %>%
                # 标记每个经期周期的起始行（当前行是Day_*，前一行是NA）
                mutate(Start = if_else(is.na(lag(PHASE)) & grepl("Day_", PHASE), row_number(), NA),
                       # 标记每个经期周期的结束行（当前行是Day_*，后一行是NA）
                       End = if_else(is.na(lead(PHASE)) & grepl("Day_", PHASE), row_number(), NA)) %>%
                # 向上填充起始行号，让周期前的所有行都能获取对应起始位置
                fill(Start, .direction = "up") %>%
                # 向下填充结束行号，让周期后的所有行都能获取对应结束位置
                fill(End, .direction = "down") %>%
                # 给周期起始行前7行的NA填充为Before
                mutate(PHASE = if_else(is.na(PHASE) & (Start - row_number() <= 7), "Before", PHASE)) %>%
                # 给周期结束行后7行的NA填充为After
                mutate(PHASE = if_else(is.na(PHASE) & (row_number() - End <= 7), "After", PHASE)) 

方案核心逻辑 #

• group_by(SID)：确保所有操作在单个分组内执行，彻底避免跨SID干扰
• Start/End列：精准定位每个经期周期的首尾行，为后续范围判断提供依据
• fill()：将首尾行号扩散到对应区域，让周期前后的行都能关联到所属周期的边界
• 两次mutate()：仅对PHASE为NA且符合距离条件的行填充，严格遵守不覆盖已有Day_*值的要求

内容的提问来源于stack exchange，提问作者AWillz