如何根据id列的重复数字与字符条件将statut列设为NA？

首先是你的示例数据：

df = data.frame(id = c('1E','1F','2E','2F','3F','4F'),
                statut = c('A','A','B','B','A','A') )

需求明确：找出数字部分重复的ID，当这类ID的字母为E时，将对应statut设为NA。

方法一：使用tidyverse工具链 #

需要用到dplyr做数据处理，stringr处理字符串：

library(dplyr)
library(stringr)

df_processed <- df %>%
  # 提取ID里的数字部分作为临时分组依据
  mutate(num_part = str_extract(id, "\\d+"),
         # 分组判断：同一数字组内有多个ID，且当前ID含E时，statut设为NA
         statut = ifelse(n() > 1 & str_detect(id, "E"), NA, statut),
         .by = num_part) %>%
  # 移除临时生成的num_part列
  select(-num_part)

方法二：使用Base R实现 #

不用额外加载包，直接用基础函数处理：

# 提取每个ID的数字部分
num_part <- gsub("[A-Z]", "", df$id)
# 统计每个数字部分的出现次数
num_counts <- table(num_part)
# 筛选出出现次数大于1的数字部分
repeat_numbers <- names(num_counts[num_counts > 1])
# 定位到数字重复且字母为E的行，将statut设为NA
df$statut[df$id %in% paste0(repeat_numbers, "E")] <- NA

两种方法都能得到你想要的结果：

df_processed  # 或者直接查看修改后的df
#>   id statut
#> 1 1E   <NA>
#> 2 1F      A
#> 3 2E   <NA>
#> 4 2F      B
#> 5 3F      A
#> 6 4F      A

内容的提问来源于stack exchange，提问作者An116