如何基于含多观测的tibble绘制患者年龄直方图？

问题背景 #

我有一个每行对应一条观测的tibble，包含ID编号、DOB（出生日期）和检测结果列，示例数据如下：

我想要绘制患者年龄的直方图，但当前生成的直方图会统计每个DOB的所有出现次数，数据量为患者数×单患者观测数，而非仅患者数。我尝试的代码如下：

ggplot(d1, aes(eeptools::age_calc(dob = as.Date(DOB), enddate = Sys.Date(), units = 'years'))) + geom_histogram(binwidth = 1)

请问如何筛选数据，使每个ID仅保留一个DOB？

解决方案 #

你可以通过去重或分组取唯一值的方式处理数据，确保每个ID只对应一条出生日期记录，再绘制直方图。以下是几种实用方法：

方法1：用dplyr::distinct()直接去重 #

distinct()可按指定列去重，因为同一ID的DOB一致，保留任意一条即可：

library(dplyr)
library(ggplot2)

# 生成去重数据集，仅保留每个ID的唯一DOB
d1_unique <- d1 %>% 
  distinct(ID, DOB, .keep_all = FALSE) 

# 绘制直方图
ggplot(d1_unique, aes(eeptools::age_calc(dob = as.Date(DOB), enddate = Sys.Date(), units = 'years'))) + 
  geom_histogram(binwidth = 1)

方法2：分组后取单条记录 #

如果需要更灵活的记录选择逻辑（比如取每个ID的第一条/最后一条观测），可以用分组切片：

d1_unique <- d1 %>% 
  group_by(ID) %>% 
  slice(1) # 取每个ID的第一条记录，DOB一致不影响结果

ggplot(d1_unique, aes(eeptools::age_calc(dob = as.Date(DOB), enddate = Sys.Date(), units = 'years'))) + 
  geom_histogram(binwidth = 1)

方法3：直接在ggplot中嵌套数据处理 #

无需额外生成数据集，直接在绘图逻辑中完成去重：

ggplot(d1 %>% distinct(ID, DOB), aes(eeptools::age_calc(dob = as.Date(DOB), enddate = Sys.Date(), units = 'years'))) + 
  geom_histogram(binwidth = 1)

内容的提问来源于stack exchange，提问作者nAUTILUS