如何将含重复患者ID的用药数据合并至现有R数据框？

问题背景 #

我正在分析医学数据，现有包含患者ID及实验室指标值的数据框df_1，以及包含患者用药信息的数据框df_2。部分患者存在多种用药记录（同一ID对应多条用药数据），需要将同一患者的用药合并为单个变量用于统计分析分组。尝试过assign()函数及各类连接函数，但结果都会增加行数，需要保持每行对应一位患者（如示例输出df_3所示），因为药物组合对研究用药对实验室指标的影响至关重要。

示例输入数据 #

df_1 <- data.frame(ID =  c(1, 2, 3, 4, 5, 6, 7, 8, 9), 
                   Labvalues = c(54, 86, 21, 56, 75, 96, 45, 78, 95))

df_2 <- data.frame(ID =  c(1, 2, 3, 4, 5, 6, 7, 8, 9, 1, 3), 
                   Meds = c("A", "B", "C", "D", "E", "F", "A", "C", "G", "B", "G"))

期望输出 #

df_3 <- data.frame(ID =  c(1, 2, 3, 4, 5, 6, 7, 8, 9), 
                   Labvalues = c(54, 86, 21, 56, 75, 96, 45, 78, 95), 
                   Meds = c("A;B", "B", "C;G", "D", "E", "F", "A", "C", "G"))

解决方案 #

方法1：Tidyverse工具链（dplyr + tidyr）

这是处理这类数据聚合最常用的方式，先聚合用药数据，再与实验室数据匹配：

library(dplyr)
library(tidyr)

# 聚合用药记录：同一ID的用药用分号拼接
df_2_agg <- df_2 %>%
  group_by(ID) %>%
  summarise(Meds = paste(Meds, collapse = ";"), .groups = "drop")

# 左连接保证保留所有患者，且每行对应一位患者
df_3 <- df_1 %>%
  left_join(df_2_agg, by = "ID")

方法2：Base R（无需额外包）

如果不想加载第三方包，用base R的aggregate和merge也能实现：

# 聚合用药数据
df_2_agg <- aggregate(Meds ~ ID, data = df_2, FUN = function(x) paste(x, collapse = ";"))

# 合并数据框，all.x=TRUE确保保留df_1的所有行
df_3 <- merge(df_1, df_2_agg, by = "ID", all.x = TRUE)

两种方法最终得到的df_3都完全符合期望的结构，既合并了同一患者的用药记录，又保持了每行对应一位患者的格式，不会增加行数。

内容的提问来源于stack exchange，提问作者bluelagune