使用dplyr按组依据优先级列表生成统一汇总列的问题

现有如下格式的表格：

ID, value
1, NA
1, Positive
1, Negative
1, NA
2, NA
2, Absent
2, Negative
2, NA
...

需求：按ID分组，新增summary_value列，取值为每组内优先级最高的值，优先级定义为：Positive>Negative>Absent>Not Done>NA。

此前使用的dplyr代码：

df <- df %>%
 group_by(ID) %>%
 mutate(summary_value = value) %>%
 fill(summary_value, .direction="updown") %>%
 ungroup()

得到的结果中每组summary_value存在多个值，不符合预期。期望结果如下：

ID, value, summary_value
1, NA, Positive
1, Positive, Positive
1, Negative, Positive
1, NA, Positive
2, NA, Negative
2, Absent, Negative
2, Negative, Negative
2, NA, Negative
...

当前使用dplyr v1.1.1和tidyr v1.3.0，寻求符合需求的dplyr代码。

核心思路是先将value列转换为带有自定义优先级的因子类型，利用因子的排序特性获取每组最高优先级值，再将该值映射到组内所有行。

具体代码如下：

# 定义优先级顺序（从高到低）
priority_order <- c("Positive", "Negative", "Absent", "Not Done", NA)

df <- df %>%
  group_by(ID) %>%
  # 将value转为自定义顺序的因子，保留NA作为最低优先级
  mutate(
    value_factor = factor(value, levels = priority_order, exclude = NULL),
    # 取组内因子的最大值，转回原字符格式
    summary_value = as.character(max(value_factor, na.rm = TRUE))
  ) %>%
  # 移除临时计算用的因子列（可选操作）
  select(-value_factor) %>%
  ungroup()

代码说明 #

1. 优先级定义：按需求从高到低列出所有可能值，NA放在末尾作为最低优先级。
2. 因子转换：通过factor()指定自定义排序规则，exclude = NULL确保NA被纳入因子的水平体系中。
3. 提取最高值：因子的大小由levels顺序决定，max()会直接返回组内优先级最高的因子，再转回字符类型得到最终结果。
4. 临时列清理：可选移除value_factor临时列，让结果更简洁。

这样处理后，每组所有行的summary_value都会是该组内优先级最高的值，完全符合预期。

内容的提问来源于stack exchange，提问作者user36196