在R中按患者ID与治疗类型合并数据：取最早/最晚日期

针对你提到的需求，核心是按患者ID和治疗类型分组，提取每组最早的开始日期和最晚的结束日期，以下是两种常用实现方法：

方法一：使用tidyverse（推荐新手） #

借助dplyr的分组聚合功能，代码直观易读：

# 加载tidyverse包（未安装先运行 install.packages("tidyverse")）
library(tidyverse)

# 分组合并记录
merged_df <- df %>%
  # 按患者ID和治疗类型分组
  group_by(patient_id, treatment) %>%
  # 提取每组最早的start_date和最晚的end_date
  summarise(
    start_date = min(start_date, na.rm = TRUE),
    end_date = max(end_date, na.rm = TRUE),
    .groups = "drop"  # 取消分组，返回普通数据框
  )

方法二：使用Base R（无需额外安装包） #

如果不想加载第三方包，可以用base R的aggregate函数实现：

# 分组聚合日期字段
merged_df_base <- aggregate(
  cbind(start_date, end_date) ~ patient_id + treatment,
  data = df,
  FUN = function(x) c(min(x, na.rm = TRUE), max(x, na.rm = TRUE))
)

# 拆分聚合后的日期列，调整为标准格式
merged_df_base <- do.call(data.frame, merged_df_base)
colnames(merged_df_base) <- c("patient_id", "treatment", "start_date", "end_date")

说明 #

• na.rm = TRUE参数用于忽略日期字段的缺失值，避免计算报错；
• 两种方法最终结果一致，可根据个人习惯选择。

内容的提问来源于stack exchange，提问作者EGF1