如何在分组变量上使用setdiff()对比外部有效代码列表？

直接修改你的代码即可实现需求，核心是在分组内提取V1的唯一值（去重后再对比，避免重复值干扰），再和Valid_codes求差集：

library(dplyr)

# 假设Valid_codes是提前定义好的向量，比如：Valid_codes <- c("A", "B", "C", "D")
df %>%
  group_by(ID, Question, Image) %>%  # 每组Image值统一，直接加入分组即可，无需across
  mutate(
    # 提取分组内V1的唯一非NA值，和Valid_codes求差集，转成字符串便于存储
    Missing_Codes = paste(setdiff(Valid_codes, unique(na.omit(V1))), collapse = ", ")
  ) %>%
  ungroup()  # 可选：分组完成后取消分组，避免后续操作受分组影响

关键细节说明： #

• group_by(ID, Question, Image)：因为你提到每组Image值统一，直接把它加入分组变量，这样分组后每组的Image值一致，自然保留在结果中。
• unique(na.omit(V1))：先去掉V1中的NA值，再去重，确保对比的是分组内实际用到的有效代码，避免NA或重复值导致差集结果错误。
• paste(..., collapse = ", ")：把setdiff返回的向量转成字符串，这样Missing_Codes列是普通字符型，方便后续查看和处理；如果需要保留向量格式，可以去掉这一步，此时Missing_Codes会是列表列。

针对4万行的数据集，dplyr的分组操作效率足够，无需额外优化。

内容的提问来源于stack exchange，提问作者Bettina