如何在DataFrame中基于其他列值创建新列：生成受试者首次治疗年份（未治疗则设为0）

针对你的需求，这里提供两种通用的R语言实现方法，无论数据集规模多大都能轻松适配：

方法一：使用dplyr（tidyverse工具包） #

这是最直观易读的分组数据处理方案，推荐日常使用：

首先确保你已安装并加载dplyr包：

install.packages("dplyr")
library(dplyr)

然后运行以下代码生成first_treat列（顺便修正了原示例中subject向量未加引号的语法问题）：

subject <- c("A", "A", "A", "A", "A", "B", "B", "B", "B", "B", "C", "C", "C", "C", "C")
year <- c(2000, 2001, 2002, 2003, 2004, 2000, 2001, 2002, 2003, 2004, 2000, 2001, 2002, 2003, 2004)
treat <- c(0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0)
df1 <- data.frame(subject, year, treat)

# 核心代码：分组计算首次治疗年份
df1 <- df1 %>%
  group_by(subject) %>%
  mutate(first_treat = ifelse(any(treat == 1), min(year[treat == 1]), 0)) %>%
  ungroup()

逻辑说明 #

• 按subject分组后，先检查该组是否存在治疗记录（any(treat == 1)）
• 若存在，提取所有治疗年份中的最小值（即首次治疗年份）；若不存在，直接设为0
• 最后用ungroup()取消分组，避免影响后续数据操作

方法二：使用Base R（无需额外安装包） #

如果你偏好原生R语法，不想加载第三方包，可以用ave()函数实现分组计算：

# 先构建修正后的示例数据
subject <- c("A", "A", "A", "A", "A", "B", "B", "B", "B", "B", "C", "C", "C", "C", "C")
year <- c(2000, 2001, 2002, 2003, 2004, 2000, 2001, 2002, 2003, 2004, 2000, 2001, 2002, 2003, 2004)
treat <- c(0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0)
df1 <- data.frame(subject, year, treat)

# 简洁版核心代码
df1$first_treat <- ave(df1$year * df1$treat, df1$subject, FUN = function(x) {
  if(sum(x) > 0) min(x[x > 0]) else 0
})

逻辑说明 #

• ave()按subject分组，对year*treat的结果进行计算（未治疗的年份会被转为0）
• 如果分组内有非0值（即存在治疗记录），取最小的非0值；否则设为0

两种方法运行后，都能得到你期望的first_treat列结果。

内容的提问来源于stack exchange，提问作者marc roca llevadot