如何用tidyverse（dplyr/tidyr）实现分组多条件的CND向量生成？

核心思路 #

• 先统计每行x1-x4中"Y"的数量，作为判断基础
• 验证两个触发条件：单个时间点满足≥3个Y，或连续两个时间点各自≥2个Y
• 按id分组处理时间序列的连续判断，最终生成逐行CND标记和按id汇总结果

完整代码 #

library(tidyverse)

# 假设数据集datFL包含id、time（时间排序列）、x1-x4列
dat_processed <- datFL %>%
  # 确保同id内的行按时间顺序排列，这是连续时间点判断的前提
  arrange(id, time) %>%
  group_by(id) %>%
  # 统计每行x1-x4中"Y"的数量
  mutate(y_count = rowSums(across(x1:x4) == "Y")) %>%
  # 分别计算两个条件，再合并生成CND标记
  mutate(
    cond1 = y_count >= 3,
    # 处理首行无前置行的情况，用replace_na把NA转为FALSE
    cond2 = y_count >= 2 & replace_na(lag(y_count) >= 2, FALSE),
    CND = if_else(cond1 | cond2, "Y", "N")
  ) %>%
  # 按id汇总：只要该id有任意一行满足条件，汇总结果为Y
  mutate(CND_summary = if_else(any(CND == "Y"), "Y", "N")) %>%
  ungroup()

# 提取逐行CND向量
cnd_vector <- dat_processed$CND
# 提取按id去重后的汇总CND向量
cnd_summary_vector <- dat_processed %>%
  distinct(id, CND_summary) %>%
  pull(CND_summary)

代码说明 #

• arrange(id, time)：必须保证同id内的行按时间排序，否则连续时间点的判断逻辑会失效
• across(x1:x4)：批量处理x1到x4列，避免重复写列名，适配列名固定的场景
• replace_na(cond2, FALSE)：每个id的第一行没有上一行数据，此时lag(y_count)返回NA，替换为FALSE后不会干扰条件判断
• any(CND == "Y")：按id汇总时，只要该id下存在满足条件的时间点，就标记为Y

内容的提问来源于stack exchange，提问作者Ph.D.Student