使用dplyr按标识符将纵向数据折叠为时间周期的技术问询

问题背景 #

需要将包含ID、day、X、Y、Z、C列的每日观测数据，按ID折叠为以下格式：

• 第一天为基线期
• 之后每3天为一个周期（最后一个周期可不足3天）
• 每个周期需计算：
  • Xmax/Ymax：周期内对应列的最大值
  • Zany：周期内是否存在非NA的"1"（用0/1表示）
  • Cmean：周期内C列的均值

已尝试使用dplyr的summarise和across函数，但遇到两个问题：

1. 如何将每个ID的第一行单独作为基线期，后续行按每3天分组
2. 如何用统一语法处理多列不同的汇总逻辑，无需拆分数据框单独处理

示例输入数据 #

df <- structure(list(ID = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3, 3, 3, 
3, 3), day = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 
1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 
11, 12), X = c(1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0, 1, 0, 0, 
0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1), 
    Y = c(0, 0, 1, 2, 1, 1, 0, 1, 3, 1, 0, 0, 1, 1, 0, 0, 1, 
    1, 2, 2, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 3), 
    Z = c("NA", "NA", "NA", "NA", "1", "NA", "NA", "NA", "NA", 
    "NA", "1", "NA", "NA", "NA", "NA", "NA", "NA", "NA", "NA", 
    "1", "NA", "NA", "NA", "NA", "NA", "NA", "NA", "NA", "NA", 
    "NA", "NA", "NA", "NA", "NA", "NA", "NA"), C = c(22, 22, 
    23, 22, 24, 23, 22, 25, 25, 24, 25, 25, 24, 26, 18, 17, 17, 
    18, 18, 19, 19, 19, 20, 21, 34, 34, 34, 34, 34, 35, 35, 35, 
    35, 35, 35, 35)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -36L))

目标输出格式 #

target <- structure(list(ID = c(1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 
3, 3), day = c("1", "2 to 4", "5 to 7", "8 to 10", "11 to 13", 
"14", "1", "2 to 4", "5 to 7", "8 to 10", "1", "2 to 4", "5 to 7", 
"8 to 10", "11 to 12"), Xmax = c(1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 
0, 1, 1, 1, 1), Ymax = c(0, 2, 1, 3, 0, 1, 0, 1, 3, 0, 0, 0, 
0, 1, 3), Zany = c(0, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 
0), Cmean = c(22, 22.3333333333333, 23, 24.6666666666667, 24.6666666666667, 
26, 18, 17.3333333333333, 18.6666666666667, 20, 34, 34, 34.6666666666667, 
35, 35)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-15L))

解决方案代码 #

library(dplyr)

result <- df %>%
  group_by(ID) %>%
  # 生成周期分组标记：第一天为第1周期，后续每3天为一个周期
  mutate(period = case_when(
    day == 1 ~ 1,
    TRUE ~ 1 + ceiling((day - 1)/3)
  )) %>%
  group_by(ID, period) %>%
  summarise(
    # 生成周期的day标签
    day = case_when(
      n() == 1 ~ as.character(min(day)),
      TRUE ~ paste(min(day), "to", max(day))
    ),
    # 按要求汇总各列
    Xmax = max(X),
    Ymax = max(Y),
    Zany = as.integer(any(Z == "1")),
    Cmean = mean(C),
    .groups = "drop"
  )

# 验证结果是否匹配目标
all.equal(result, target)

代码说明 #

1. 周期分组逻辑：

   • 先按ID分组，为每个ID的天数生成period标记：第一天单独标记为1，后续天数通过ceiling((day-1)/3)计算分组序号，再加上1得到周期编号，确保每3天为一个周期。
   • 此方式无需单独跳过第一行，直接将基线期和后续周期统一纳入分组体系。

2. 多列汇总处理：

   • 在同一个summarise步骤中完成所有列的计算：
     • Xmax/Ymax直接调用max()函数
     • Zany通过any(Z == "1")判断是否存在目标值，再转成整数型0/1
     • Cmean调用mean()计算均值
   • 全程无需拆分数据框，一次完成所有汇总操作。

内容的提问来源于stack exchange，提问作者Statistix