基于dplyr实现按ID筛选最早含指定结果的同日期数据

需求说明 #

处理包含IDrow（唯一ID）、date（采样日期）、result（采样结果：NP1、NP2、NP3）的数据集，需为每个IDrow筛选出最早的满足以下条件的日期：

• 该日期下至少同时存在NP1和NP2；
• 若存在同时包含NP1、NP2、NP3的日期，优先选择这类日期中的最早者。

原始数据集 #

# 构造原始数据
df <- data.frame(
  IDrow = c("ID1", "ID1", "ID1", "ID1", "ID1", "ID1", "ID1", "ID2", "ID2", "ID2", "ID3", "ID3", "ID3"),
  date = c("01-01-09", "01-01-10", "01-01-10", "01-01-10", "03-03-15", "03-03-15", "03-03-15", "01-05-10", "01-05-10", "01-05-10", "02-08-11", "02-08-11", "02-08-11"),
  result = c("NP1", "NP1", "NP2", "NP3", "NP1", "NP2", "NP3", "NP1", "NP2", "NP3", "NP1", "NP2", "NP3")
)

错误尝试分析 #

• 仅按IDrow分组取最早日期：会遗漏后续日期的多结果行，因为NP1的单独早日期不满足同时存在NP2的条件。
• 按IDrow+result分组取最早日期：会保留NP1的单独早日期（如ID1的01-01-09），不符合“日期需同时包含NP1和NP2”的核心要求。

正确解决方案（dplyr实现） #

library(dplyr)

# 先将字符型日期转换为日期格式，确保排序逻辑正确
df$date <- as.Date(df$date, format = "%d-%m-%y")

df_processed <- df %>%
  # 按ID和日期分组，统计该日期下的结果覆盖情况
  group_by(IDrow, date) %>%
  mutate(
    has_NP1 = any(result == "NP1"),
    has_NP2 = any(result == "NP2"),
    has_NP3 = any(result == "NP3"),
    # 标记日期是否符合基础条件：同时有NP1和NP2
    meets_criteria = has_NP1 & has_NP2,
    # 定义优先级：同时有三个结果的日期优先级最高（1），仅满足基础条件的为2
    priority = ifelse(meets_criteria & has_NP3, 1, ifelse(meets_criteria, 2, 3))
  ) %>%
  ungroup() %>%
  # 过滤掉不符合条件的日期
  filter(meets_criteria) %>%
  # 按ID分组，先选优先级最高的日期类别，再在该类别中选最早的日期
  group_by(IDrow) %>%
  slice_min(order_by = priority, with_ties = FALSE) %>%
  slice_min(order_by = date, with_ties = FALSE) %>%
  # 保留原始行结构并整理输出顺序
  select(IDrow, date, result) %>%
  arrange(IDrow, result) %>%
  ungroup()

# 转换回原日期格式展示（可选操作）
df_processed$date <- format(df_processed$date, "%d-%m-%y")

print(df_processed)

代码逻辑解释 #

1. 日期格式转换：将字符型date转为标准日期类型，避免字符串排序的逻辑错误。
2. 分组统计结果覆盖：按IDrow+date分组，标记每个日期是否包含目标结果，并定义优先级规则。
3. 筛选有效日期：过滤掉不满足“同时存在NP1和NP2”的无效日期。
4. 锁定目标日期：按IDrow分组，先筛选优先级最高的日期类别，再在该类别中选取最早的日期。
5. 整理输出结构：保留原始的“每个结果一行”结构，按ID和结果排序后输出。

最终输出结果 #

IDrow date     result
  <chr> <chr>    <chr> 
1 ID1   01-01-10 NP1   
2 ID1   01-01-10 NP2   
3 ID1   01-01-10 NP3   
4 ID2   01-05-10 NP1   
5 ID2   01-05-10 NP2   
6 ID2   01-05-10 NP3   
7 ID3   02-08-11 NP1   
8 ID3   02-08-11 NP2   
9 ID3   02-08-11 NP3

内容的提问来源于stack exchange，提问作者SorenRand