如何按ID重对齐数据集：将首次有效观测设为Time1并提取前6条

你需要将每个研究对象的首次有效观测作为Time1，依次取后续5个有效观测生成Time2-Time6，实现数据对齐。以下是基于R和Python的自动化解决方案，适用于大样本量场景：

原始示例数据 #

期望输出 #

R 实现（tidyverse 套件） #

使用tidyr进行格式转换，dplyr进行分组过滤：

library(tidyverse)

# 读取你的数据（替换为实际数据读取代码，比如read_csv()）
df <- tibble(
  ID = c(1,2,3),
  May = c(NA,22,NA),
  June = c(34,34,NA),
  July = c(36,36,36),
  August = c(72,72,72),
  September = c(89,89,89),
  October = c(23,23,23),
  November = c(10,NA,45),
  December = c(NA,NA,80),
  January = c(10,NA,15),
  February = c(16,NA,12)
)

# 核心处理逻辑
result <- df %>%
  # 宽格式转长格式，保留ID列
  pivot_longer(cols = -ID, names_to = "Month", values_to = "Activity") %>%
  # 过滤缺失值（原始数据中的"."需先转为NA）
  filter(!is.na(Activity)) %>%
  # 按ID分组
  group_by(ID) %>%
  # 取每个ID的前6个有效观测
  slice_head(n = 6) %>%
  # 生成Time1-Time6的列名
  mutate(Time = paste0("Time ", row_number())) %>%
  # 长格式转回宽格式
  pivot_wider(names_from = Time, values_from = Activity)

# 查看结果
print(result)

Python 实现（pandas 库） #

利用pandas的 melt/dropna/groupby/pivot 方法完成转换：

import pandas as pd
import numpy as np

# 读取你的数据（替换为实际数据读取代码，比如pd.read_csv()）
data = {
    'ID': [1,2,3],
    'May': [np.nan,22,np.nan],
    'June': [34,34,np.nan],
    'July': [36,36,36],
    'August': [72,72,72],
    'September': [89,89,89],
    'October': [23,23,23],
    'November': [10,np.nan,45],
    'December': [np.nan,np.nan,80],
    'January': [10,np.nan,15],
    'February': [16,np.nan,12]
}

df = pd.DataFrame(data)

# 核心处理逻辑
# 宽格式转长格式
df_long = df.melt(id_vars='ID', var_name='Month', value_name='Activity')
# 过滤缺失值
df_long = df_long.dropna(subset=['Activity'])
# 按ID分组，取前6个有效观测
df_top6 = df_long.groupby('ID').head(6)
# 生成Time1-Time6列名
df_top6['Time'] = df_top6.groupby('ID').cumcount().apply(lambda x: f'Time {x+1}')
# 转回宽格式并重置索引
result = df_top6.pivot(index='ID', columns='Time', values='Activity').reset_index()

# 查看结果
print(result)

内容的提问来源于stack exchange，提问作者madrap