用dplyr的case_when/if_any跨多变量处理月度数据并标记首次超标月份

现有数据集的变量按月度命名（示例：var1_M1、var1_M2、var2_M1等），需完成以下操作：

• 对所有月度变量执行条件处理：值大于90则保留原值，否则设为0；
• 按月份对处理后的变量值进行汇总；
• 识别每个ID首次出现值大于90的月度，并标记对应的月份编号；
• 最终生成如预期输出所示的数据集。

library(dplyr)

ID <- c("Dave", "Joe", "Steve")
var1_M1 <- c(10, 10, 90)
var1_M2 <- c(30, 90, 95)
var1_M3 <- c(90, 100, 95)
var2_M1 <- c(10, 90, 20)
var2_M2 <- c(33, 10, 100)
var2_M3 <- c(90, 10, 50)

data <- tibble(ID, var1_M1, var1_M2, var1_M3, var2_M1, var2_M2, var2_M3)

# 原数据集预览
# A tibble: 3 x 7
#  ID    var1_M1 var1_M2 var1_M3 var2_M1 var2_M2 var2_M3
#  <chr>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
#1 Dave       10      30      90      10      33      90
#2 Joe        10      90     100      90      10      10
#3 Steve      90      95      95      20     100      50

data %>% 
  mutate_at(vars(matches(c("M1","M2","M3"))),
            list(~ ifelse(. > 90, .,0))) #%>% 
  #mutate() using map_dfc and if_any ??

# A tibble: 3 x 5
#  ID       M1    M2    M3 output
#  <chr> <dbl> <dbl> <dbl>  <dbl>
#1 Dave      0     0     0      0
#2 Joe       0     0   100      3
#3 Steve     0   195    95      2

使用dplyr结合tidyr的宽转长/长转宽操作，逻辑更清晰直观：

library(dplyr)
library(tidyr)

data %>%
  # 宽表转长表，拆分变量名与月份标识
  pivot_longer(cols = -ID, 
               names_to = c("var", "month"), 
               names_pattern = "(.*)_M(\\d+)") %>%
  # 执行条件处理：值>90保留，否则设为0
  mutate(processed_val = ifelse(value > 90, value, 0)) %>%
  # 按ID+月份汇总处理后的值
  group_by(ID, month) %>%
  summarize(total = sum(processed_val), .groups = "drop") %>%
  # 转回宽表，生成M1/M2/M3列
  pivot_wider(names_from = month, values_from = total, names_prefix = "M") %>%
  # 计算首次出现有效数值的月份编号
  rowwise() %>%
  mutate(output = {
    vals = c(M1, M2, M3)
    first_valid = which(vals > 0)[1]
    ifelse(is.na(first_valid), 0, as.integer(first_valid))
  }) %>%
  ungroup()

运行上述代码即可得到与预期一致的数据集。

内容的提问来源于stack exchange，提问作者user20168262