如何为含"x"标注的Subject-batch组全批量标记"xx"？

原始数据 #

df <- data.frame(
  Subject = c(rep("Rater_1",9), rep("Rater_2",9), rep("Rater_3",9)),
  Trial = c(1:9,1:9,1:9),
  Annotation = c(rep("x",4),rep("m",5),
                 rep("x",2),rep("m",4), rep("x",3),
                 rep("x",1),rep("m",8)),
  batch = rep(c(0,0,0,1,1,1,2,2,2),3)
)

需求说明 #

识别每个Subject下的batch：只要该批次中存在Annotation为"x"的记录，就将该Subject对应此批次的所有记录的Annotation_0标记为"xx"；若批次中无"x"，则保留原Annotation值。

当前代码问题 #

以下代码仅会在Annotation为"x"的行标记"xx"，无法实现全批次标记：

library(dplyr)
df %>%
  group_by(Subject, batch) %>%
  mutate(Annotation_0 = ifelse(if_any(Annotation, ~str_detect(., 'x')), "xx", Annotation))

原因是if_any是逐行判断当前行的Annotation是否含"x"，而非判断整个分组内是否存在"x"。

期望输出 #

# A tibble: 27 × 5
# Groups:   Subject, batch [9]
   Subject Trial Annotation batch Annotation_0
   <chr>   <int> <chr>      <dbl> <chr>       
 1 Rater_1     1 x              0 xx          
 2 Rater_1     2 x              0 xx          
 3 Rater_1     3 x              0 xx          
 4 Rater_1     4 x              1 xx          
 5 Rater_1     5 m              1 xx           
 6 Rater_1     6 m              1 xx           
 7 Rater_1     7 m              2 m           
 8 Rater_1     8 m              2 m           
 9 Rater_1     9 m              2 m           
10 Rater_2     1 x              0 xx          
11 Rater_2     2 x              0 xx          
12 Rater_2     3 m              0 xx           
13 Rater_2     4 m              1 m           
14 Rater_2     5 m              1 m           
15 Rater_2     6 m              1 m           
16 Rater_2     7 x              2 xx          
17 Rater_2     8 x              2 xx          
18 Rater_2     9 x              2 xx          
19 Rater_3     1 x              0 xx          
20 Rater_3     2 m              0 xx           
21 Rater_3     3 m              0 xx           
22 Rater_3     4 m              1 m           
23 Rater_3     5 m              1 m           
24 Rater_3     6 m              1 m           
25 Rater_3     7 m              2 m           
26 Rater_3     8 m              2 m           
27 Rater_3     9 m              2 m 

解决方案 #

核心是判断整个分组（Subject+batch）内是否存在至少一个"x"，而非逐行判断。直接用any(Annotation == "x")即可高效完成分组内的存在性检查，代码如下：

library(dplyr)

df %>%
  group_by(Subject, batch) %>%
  mutate(Annotation_0 = ifelse(any(Annotation == "x"), "xx", Annotation)) %>%
  ungroup() # 可选，若不需要保留分组可取消

代码说明 #

1. group_by(Subject, batch)：按每个评分者的每个批次进行分组，确保后续判断基于正确的范围。
2. any(Annotation == "x")：返回当前分组的逻辑值，只要分组内有一条记录的Annotation为"x"，就返回TRUE。
3. ifelse(...)：根据分组的逻辑值，将整个分组的Annotation_0统一设为"xx"，否则保留原Annotation。

执行后即可得到与期望输出完全一致的结果。

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