如何在R中按ID分组为dataframe添加基于条件的指定值列

问题背景 #

有一个包含分组变量ID的数据框xmpl，需要添加新列a1_momo，要求每个ID分组的所有行都填充该分组中符合BM == 1 & W2 == 0 & dt == 1条件的行对应的a1值；如果分组无符合条件的行，或者符合条件的行的a1为NA，则该分组所有行的a1_momo填NA。

示例数据 #

xmpl <- data.frame(ID = c(1,1,1,1,1,2,2,2,2,3),
                  BM = c(0,0,1,1,1,0,0,1,1,1),
                  W2 = c(0,0,0,0,1,0,0,0,1,0),
                  dt = c(1,2,1,2,1,1,2,2,1,1),
                  a1 = c(3,2,1,2,2,3,2,2,3,NA))

数据框预览：

> xmpl
   ID BM W2 dt a1
1   1  0  0  1  3
2   1  0  0  2  2
3   1  1  0  1  1
4   1  1  0  2  2
5   1  1  1  1  2
6   2  0  0  1  3
7   2  0  0  2  2
8   2  1  0  2  2
9   2  1  1  1  3
10  3  1  0  1 NA

期望结果 #

> xmpl
   ID BM W2 dt a1 a1.momo
1   1  0  0  1  3       1
2   1  0  0  2  2       1
3   1  1  0  1  1       1
4   1  1  0  2  2       1
5   1  1  1  1  2       1
6   2  0  0  1  3      NA
7   2  0  0  2  2      NA
8   2  1  0  2  2      NA
9   2  1  1  1  3      NA
10  3  1  0  1 NA      NA

用户疑问 #

用户想先生成按ID分组的单行数据框，再通过merge合并回原数据框，但不知道替代aggregate的工具，同时对ifelse结合多条件取值有疑问：

1. 这个思路可行吗？需要用什么[package::function]替代aggregate？
2. 使用ifelse时，如何基于其他单元格的值填充新列？

解决方案 #

问题1：思路可行性与替代工具 #

你的思路完全可行，推荐用**dplyr包的分组操作**实现，既可以生成分组数据框再合并，也能直接在原数据框添加新列，效率更高：

方法1：生成分组数据框后合并

# 加载dplyr包
library(dplyr)

# 生成按ID分组的目标数据框xmpl.2
xmpl.2 <- xmpl %>%
  group_by(ID) %>%
  summarise(a1 = ifelse(any(BM == 1 & W2 == 0 & dt == 1), 
                       a1[BM == 1 & W2 == 0 & dt == 1], 
                       NA)) %>%
  ungroup()

# 合并回原数据框
xmpl <- merge(xmpl, xmpl.2, by = "ID", suffixes = c("", ".momo"))

方法2：直接在原数据框添加新列（更简洁）

无需拆分合并，直接按ID分组后把符合条件的a1值广播到整组：

library(dplyr)

xmpl <- xmpl %>%
  group_by(ID) %>%
  mutate(a1.momo = ifelse(any(BM == 1 & W2 == 0 & dt == 1),
                         a1[BM == 1 & W2 == 0 & dt == 1],
                         NA)) %>%
  ungroup()

如果不想用dplyr，也可以用基础R的ave函数：

xmpl$a1.momo <- ave(xmpl$a1, xmpl$ID, FUN = function(x, BM, W2, dt) {
  idx <- which(BM == 1 & W2 == 0 & dt == 1)
  if(length(idx) == 0) NA else x[idx]
}, BM = xmpl$BM, W2 = xmpl$W2, dt = xmpl$dt)

问题2：ifelse结合多条件取值的用法 #

在分组场景中，ifelse的逻辑如下：

1. 先判断当前分组是否存在符合条件的行：用any(BM == 1 & W2 == 0 & dt == 1)返回布尔值
2. 如果存在，提取该分组中符合条件的行对应的a1值：a1[BM == 1 & W2 == 0 & dt == 1]（每个分组只有0或1个符合条件的行，直接取索引即可）
3. 如果不存在，返回NA

当符合条件的行的a1本身是NA时，提取结果也会是NA，正好满足ID=3这类场景的需求。

内容的提问来源于stack exchange，提问作者2day.