使用dplyr实现分组条件过滤：按ID提取指定日期字段

原始数据 #

DF <- tibble::tribble(
  ~ID,        ~DATE,   ~SIDE,
   1L, "2010-10-10",  "LEFT",
   2L, "2005-05-05", "RIGHT",
   2L, "2006-06-06", "RIGHT",
   3L, "2007-07-07",  "LEFT",
   3L, "2008-08-08", "RIGHT",
   3L, "2009-09-09",  "LEFT",
   4L, "2010-10-10",  "LEFT",
   4L, "2011-11-11",      NA,
   5L,           NA,  "LEFT"
)

期望输出 #

ID INDX_DATE  SIDE  SEC_DATE  
    
1     1 2010-10-10 LEFT  NA        
2     2 2005-05-05 RIGHT 2006-06-06
3     3 2007-07-07 LEFT  2009-09-09
4     4 2010-10-10 LEFT  NA       

处理逻辑 #

• 按ID进行分组
• INDX_DATE为每个ID对应的首个非NA的DATE
• SEC_DATE为INDX_DATE之后，第一个与该日期对应SIDE相同的DATE
• 排除无有效INDX_DATE的分组（如ID=5）

dplyr解决方案 #

library(dplyr)

result <- DF %>%
  group_by(ID) %>%
  # 过滤掉DATE为空的行，确保能获取有效首个日期
  filter(!is.na(DATE)) %>%
  # 标记每组的首个日期和对应SIDE
  mutate(
    INDX_DATE = first(DATE),
    FIRST_SIDE = first(SIDE)
  ) %>%
  # 筛选INDX_DATE之后、SIDE匹配的行
  filter(DATE > INDX_DATE, SIDE == FIRST_SIDE) %>%
  # 取每组第一个符合条件的记录
  slice_head(n = 1) %>%
  # 汇总结果，无匹配项时SEC_DATE设为NA
  summarise(
    INDX_DATE = first(INDX_DATE),
    SIDE = first(FIRST_SIDE),
    SEC_DATE = first(DATE, default = NA)
  ) %>%
  ungroup()

print(result)

代码说明 #

1. 按ID分组后，先过滤掉DATE为空的行，直接排除无有效日期的分组（如ID=5）
2. 通过first()获取每组的首个日期INDX_DATE和对应SIDE
3. 筛选出日期晚于INDX_DATE且SIDE匹配的行，取每组第一行作为SEC_DATE的来源
4. 汇总时用default=NA确保无匹配项时SEC_DATE显示为NA，最后取消分组得到结果

内容的提问来源于stack exchange，提问作者hklovs