在R中提取每个唯一ID对应的属性值并支持均值计算

针对你的需求，这里有两种简单可靠的方法提取每个参与者的唯一属性，且能直接用于后续统计计算：

方法1：使用distinct()快速去重 #

distinct()是dplyr里专门提取唯一行的函数，直接指定ID和需要保留的属性列，就能自动保留每个ID对应的唯一属性值：

library(dplyr)
# 提取每个ID对应的指定属性（可替换成你需要的其他属性列）
unique_participants <- df %>% 
  distinct(ID, age, birth_date, gender, .keep_all = FALSE)

• 如果你需要保留所有属性列（仅去除重复的观测行），可以把.keep_all设为TRUE，只指定ID即可：

unique_participants <- df %>% 
  distinct(ID, .keep_all = TRUE)

方法2：group_by() + 提取唯一值 #

你之前用group_by()的思路没问题，但不需要用paste()——因为每个ID的属性是唯一的，直接用first()或unique()提取单个值即可：

unique_participants <- df %>% 
  group_by(ID) %>% 
  summarise(
    age = first(age),
    birth_date = first(birth_date),
    gender = first(gender),
    # 继续添加你需要的其他属性列
    .groups = "drop"  # 取消分组，方便后续操作
  )

• .groups = "drop"能让结果回到普通数据框，避免后续统计时的分组干扰。

后续统计计算示例 #

拿到唯一属性数据框后，就能直接做均值等统计操作，比如计算不同性别的平均年龄：

gender_age_mean <- unique_participants %>% 
  group_by(gender) %>% 
  summarise(mean_age = mean(age, na.rm = TRUE))

你之前方法出现重复值的原因 #

每个ID对应多行观测，paste(age, collapse=",")会把同一ID下所有行的age（实际是同一个值）拼接成字符串，所以会出现25,25,25这类重复内容。改用first()或unique()就能直接拿到单个唯一值。

内容的提问来源于stack exchange，提问作者coco