如何基于唯一值优先使用case_when创建新变量——R语言数据框处理求助

我来帮你搞定这个问题～你的核心需求是根据ID的重复情况、bp和N的值生成frequency变量，之前的代码没处理好仅含bp=no的唯一ID的场景，我们一步步来修正：

先说说你原有代码的问题 #

1. 你错误地修改了bp变量，而不是新建目标变量frequency；
2. duplicated(ID)只能判断当前行是否是重复出现的ID，无法精准识别「该ID是否完全没有bp=yes的记录」；
3. R是大小写敏感的，你写的n应该是数据框里的N，这会导致条件判断失效。

正确的解决方案代码 #

我们用dplyr分组处理，先标记每个ID是否存在bp=yes的记录，再按规则赋值：

library(dplyr)

# 先构造你的示例数据（方便测试）
x <- tibble(
  ID = c(8012199,8012199,8012211,8012211,8012321,8012341,8012342),
  bp = c("no","yes","no","yes","no","no","no"),
  N = c(75,2,118,4,37,146,84)
)

# 处理逻辑
x_processed <- x %>%
  group_by(ID) %>%
  mutate(
    # 临时标记：当前ID是否存在bp=yes的记录
    has_yes_record = any(bp == "yes"),
    # 按你的三个条件生成frequency
    frequency = case_when(
      bp == "yes" & N <= 2 ~ "low",
      bp == "yes" & N > 2 ~ "high",
      # 没有yes记录的ID，所有行都赋值low
      !has_yes_record ~ "low",
      # 有yes记录的ID里的no行，留空（用NA表示）
      TRUE ~ NA_character_
    )
  ) %>%
  ungroup() %>%
  # 删掉临时变量，保持数据整洁
  select(-has_yes_record)

# 查看结果
x_processed

运行结果（和你的预期完全匹配） #

# A tibble: 7 × 4
      ID bp        N frequency
   <dbl> <chr> <dbl> <chr>    
1 8012199 no       75 NA       
2 8012199 yes       2 low      
3 8012211 no      118 NA       
4 8012211 yes       4 high     
5 8012321 no       37 low      
6 8012341 no      146 low      
7 8012342 no       84 low      

逻辑解释 #

1. group_by(ID)：把同一个ID的记录归为一组，方便判断该ID的整体属性；
2. has_yes_record：用any(bp == "yes")快速判断当前ID是否存在yes的记录；
3. case_when按优先级判断：先处理bp=yes的两种情况，再处理完全没有yes记录的ID，最后给有yes记录的no行留空。

内容的提问来源于stack exchange，提问作者lana