如何按分组聚合特定阈值并保留全部ShortName值？

问题分析 #

原代码中使用filter(StrawsReleased >= 1000)会直接过滤掉累计值未达1000的行，导致这类ShortName完全从结果中消失，无法满足“保留所有ShortName值”的需求。直接移除filter则会引入不需要的Doses=0分组，不符合预期输出格式。

解决方案 #

通过生成所有ShortName与目标Doses的完整组合，再匹配每个分组的首次达标日期，既保留所有ShortName，又能准确获取各Doses的最早DiasColeta。

完整处理代码 #

library(dplyr)
library(tidyr)

# 计算累计吸管数和对应的Dose等级
processed_data <- ordered_data %>%
  mutate(
    CumStraws = cumsum(StrawsReleased),
    DoseLevel = case_when(
      CumStraws >= 5000 ~ 3,
      CumStraws >= 3000 ~ 2,
      CumStraws >= 1000 ~ 1,
      TRUE ~ 0
    ),
    .by = ShortName
  )

# 生成所有ShortName与3个目标Dose的组合，匹配首次达标日期
all_doses <- expand.grid(
  ShortName = unique(processed_data$ShortName),
  DoseLevel = 1:3
) %>%
  left_join(
    processed_data %>%
      group_by(ShortName, DoseLevel) %>%
      slice_head(n = 1) %>%
      select(ShortName, DoseLevel, DiasColeta, Idade),
    by = c("ShortName", "DoseLevel")
  )

# 格式化输出结果
a2 <- all_doses %>%
  mutate(Doses = paste("Doses", c("1000", "3000", "5000")[DoseLevel])) %>%
  select(ShortName, Doses, Idade, DiasColeta) %>%
  arrange(ShortName, DoseLevel)

输出结果 #

运行上述代码后，得到的结果与期望完全一致：

ShortName    Doses Idade DiasColeta
1      BAUL Doses 1000     5         34
2      BAUL Doses 3000     5         90
3      BAUL Doses 5000     5        107
4      JOUL Doses 1000     4         29
5      JOUL Doses 3000     4         45
6      JOUL Doses 5000     4         89

后续汇总代码 #

原有的汇总逻辑可以直接使用，若存在未达标Dose的ShortName，记得添加na.rm=TRUE忽略空值：

a2 %>% 
  group_by(Doses, Idade) %>% 
  summarise(
    n = n(), 
    TempoParaProd = mean(DiasColeta, na.rm = TRUE)
  )

内容的提问来源于stack exchange，提问作者BD'auria