如何按ID、Sample_ID、Treatment分组计算Score的时间点差值？

原代码问题分析 #

你用lead(Score) - Score的写法存在两个关键问题：

1. 依赖行顺序：如果分组内的Timepoint不是严格按0→1排列，lead会取到错误的对应值，导致差值计算错误；
2. 输出冗余：mutate会给每一行生成Diff，而你需要的是每个分组的单个差值结果。

推荐解决方案（不依赖行顺序，最可靠） #

直接在分组后提取对应Timepoint的Score值做差，用summarize输出每个分组的结果：

library(dplyr)

df %>%
  group_by(ID, Sample_ID, Treatment) %>%
  summarize(
    Diff = Score[Timepoint == 1] - Score[Timepoint == 0],
    .groups = "drop"  # 可选：取消分组状态，方便后续操作
  )

运行后会得到你预期的结果：

备选方案：宽表转换法 #

如果需要保留原始两个时间点的Score值，可以先转成宽表再计算：

library(tidyr)
library(dplyr)

df %>%
  pivot_wider(
    id_cols = c(ID, Sample_ID, Treatment),
    names_from = Timepoint,
    values_from = Score,
    names_prefix = "Time_"
  ) %>%
  mutate(Diff = Time_1 - Time_0)

这个方法会生成Time_0和Time_1列，方便同时查看原始值和差值。

原代码修复（不推荐，依赖行顺序） #

如果一定要用lead，必须先确保分组内按Timepoint升序排序，再过滤出有效差值行：

df %>%
  group_by(ID, Sample_ID, Treatment) %>%
  arrange(Timepoint, .by_group = TRUE) %>%  # 强制分组内按Timepoint从0到1排序
  mutate(Diff = lead(Score) - Score) %>%
  filter(Timepoint == 0)  # 只保留每个分组的差值行

但此方法容错性差，若分组内缺少某个Timepoint值，会出现NA错误。

内容的提问来源于stack exchange，提问作者Erik