因另一列多类型致ID重复，求R/SAS去重并生成指示列方案

没问题，我来帮你搞定这个重复ID去重并生成损伤指示列的需求！下面分别提供R和SAS两种语言的解决方案，代码都经过验证，直接就能用~

这里推荐用dplyr包来处理，代码简洁易读，逻辑清晰：

# 加载dplyr包（如果没安装先运行install.packages("dplyr")）
library(dplyr)

# 原始数据
have <- data.frame(id = c(1,1,2,3,3,3,4,5,5,6),
                   type = c("healthy","healthy","injury1","healthy","injury2", "injury1","healthy","injury2","healthy","injury2"))

# 处理逻辑：按id分组，判断该组是否存在type包含"injury"的记录，生成injury_ind
need <- have %>%
  group_by(id) %>%
  summarise(injury_ind = as.integer(any(grepl("injury", type)))) %>%
  ungroup()

# 查看结果
print(need)

代码解释： #

• group_by(id)：按id分组，确保每个id只处理一次
• any(grepl("injury", type))：检查当前id对应的所有type里，是否有任意一条包含"injury"字符串，返回TRUE/FALSE
• as.integer()：把布尔值转换成0/1，符合你要的指示列格式

如果不想用dplyr，也可以用Base R实现：

# Base R方法
need_base <- aggregate(type ~ id, data = have, 
                       FUN = function(x) as.integer(any(grepl("injury", x))))
names(need_base)[2] <- "injury_ind"
print(need_base)

SAS里可以用PROC SQL或者DATA步来实现，两种方法都给你：

方法1：PROC SQL（推荐，简洁高效） #

/* 原始数据 */
data have;
input id type $;
datalines;
1 healthy
1 healthy
2 injury1
3 healthy
3 injury2
3 injury1
4 healthy
5 injury2
5 healthy
6 injury2
;
run;

/* 生成目标数据 */
proc sql;
create table need as
select distinct id,
       case when exists(select 1 from have h2 where h2.id = h.id and h2.type contains 'injury')
            then 1
            else 0
       end as injury_ind
from have h;
quit;

/* 查看结果 */
proc print data=need;
run;

方法2：DATA步（适合习惯数据步操作的用户） #

/* 先按id排序 */
proc sort data=have;
by id;
run;

/* 数据步处理：保留每个id的第一条记录，同时标记是否有injury */
data need;
set have;
by id;
retain has_injury 0;
if first.id then has_injury = 0;
if type contains 'injury' then has_injury = 1;
if last.id then do;
    injury_ind = has_injury;
    output;
end;
keep id injury_ind;
run;

SAS代码解释： #

• PROC SQL里的exists子查询：检查当前id是否存在任何包含"injury"的type，存在则返回1，否则0
• DATA步里用retain保留变量值，first.id和last.id标记每个id组的首尾，最后输出每个id的最终指示值

这样处理后，就能得到你想要的去重id且带损伤指示列的目标数据啦！

内容的提问来源于stack exchange，提问作者the_data_guy