按PTNUM分组修正AGE_1列值：R语言dplyr实现求助

原始数据集 #

问题说明 #

同一PTNUM的随访数据中，每行的AGE_1应与上一行的AGE_2保持连续。其中PTNUM=123的第二行AGE_1错误填写为15，正确值应为上一行的AGE_2（18）。

修正后目标数据集 #

你的尝试代码（未生效） #

X6 <- X5 %>%
  group_by(PTNUM) %>%
  mutate(
    AGE1 = ifelse(lead(AGE2)==AGE1,AGE2, AGE1)
  )

代码问题分析 #

1. 变量名不匹配：原数据列名为AGE_1，代码中误用AGE1，导致无法正确关联变量。
2. 逻辑方向错误：lead(AGE2)获取的是下一行的AGE_2，但我们需要的是上一行的AGE_2来修正当前行的AGE_1，应使用lag()函数。
3. 条件逻辑偏差：判断条件不符合实际需求，我们需要的是当前行AGE_1与上一行AGE_2不一致时，用后者替换前者。

正确解决方案 #

使用dplyr的lag()函数获取上一行的AGE_2，每组第一行保留原始AGE_1，其余行替换为上一行的AGE_2：

library(dplyr)

X6 <- X5 %>%
  group_by(PTNUM) %>%
  mutate(
    AGE_1 = if_else(row_number() == 1, AGE_1, lag(AGE_2))
  ) %>%
  ungroup()

代码解释 #

• group_by(PTNUM)：按患者分组，确保仅在同一患者的随访记录内处理年龄连续性。
• row_number() == 1：每组第一行为初始记录，保留原始AGE_1值。
• lag(AGE_2)：获取当前行上一行的AGE_2，替换当前行AGE_1，保证年龄连续。
• ungroup()：处理完成后取消分组，避免影响后续操作。

运行代码后，PTNUM=123的第二行AGE_1会被修正为18，其余符合连续性的记录保持不变，与目标数据集一致。

内容的提问来源于stack exchange，提问作者Hari