如何批量将存在矛盾吸烟状态的重复ID对应的状态值转为NA？

方法一：用dplyr包处理 #

这是tidyverse生态下的常用方法，代码简洁易读：

library(dplyr)

# 按ID分组，判断每组是否存在矛盾状态，有则设为NA
test_cleaned <- test %>%
  group_by(ID) %>%
  mutate(Smoking.Status = ifelse(n_distinct(Smoking.Status, na.rm = TRUE) > 1, NA, Smoking.Status)) %>%
  ungroup()

逻辑说明：

• group_by(ID)：按用户ID分组
• n_distinct(Smoking.Status, na.rm = TRUE)：统计每组内非NA的吸烟状态种类数
• 如果种类数大于1，说明该用户的状态存在矛盾，将所有状态值替换为NA；否则保留原状态

方法二：用Base R原生函数处理 #

不想加载额外包的话，用ave函数就能实现相同效果：

# 按ID分组处理状态
test$Smoking.Status <- ave(test$Smoking.Status, test$ID, 
                          FUN = function(x) {
                            # 统计每组非NA的唯一状态数，大于1则设为NA
                            if (length(unique(na.omit(x))) > 1) NA else x
                          })

用你提供的测试数据验证，处理后ID为123的两条记录的Smoking.Status都会被替换成NA，批量处理所有矛盾ID也完全适用。

内容的提问来源于stack exchange，提问作者Jamie