如何用R按最早采集日期生成每人唯一体重数据的DataFrame？

核心方案：用dplyr分组筛选最早记录 #

这是最简便的实现方式，结合lubridate处理日期格式，步骤如下：

假设你的数据集名为df，包含列：subject_id（受试者ID）、weight_date（体重采集日期）、weight（体重值）。

1. 加载工具包

library(tidyverse) # 包含dplyr（分组处理）和lubridate（日期处理）

2. 统一日期格式（关键步骤）
   如果你的weight_date是字符型，用lubridate的ymd()/dmy()/mdy()转换为日期类型（根据你的日期格式选对应函数，比如ymd()适配"年-月-日"格式）：

df <- df %>% mutate(weight_date = ymd(weight_date))

3. 分组筛选最早记录
   按subject_id分组，保留每组中日期最早的行：

df_first_weight <- df %>%
  group_by(subject_id) %>%
  filter(weight_date == min(weight_date, na.rm = TRUE)) %>% # na.rm=TRUE忽略日期列的NA值
  ungroup()

注意：如果同一受试者同一天有多个体重记录，上述代码会保留所有同日期的行。如果想强制每组只留一行，可在ungroup()前加slice(1)：

df_first_weight <- df %>%
  group_by(subject_id) %>%
  filter(weight_date == min(weight_date, na.rm = TRUE)) %>%
  slice(1) %>% # 取筛选后的第一行
  ungroup()

备选：计算平均体重的实现 #

如果后续需要用平均体重作为补充，代码更简单：

df_avg_weight <- df %>%
  group_by(subject_id) %>%
  summarise(avg_weight = mean(weight, na.rm = TRUE)) %>% # na.rm=TRUE忽略体重列的NA值
  ungroup()

base R实现方案（无需加载包） #

如果不想用tidyverse，也可以用base R完成：

# 先转换日期格式
df$weight_date <- as.Date(df$weight_date, format = "%Y-%m-%d") # 这里format要匹配你的日期格式

# 分组筛选最早记录
df_first_weight_base <- df[ave(df$weight_date, df$subject_id, FUN = function(x) x == min(x, na.rm = TRUE)) == TRUE, ]

关于lubridate的作用 #

你猜的没错，lubridate主要是简化日期格式的转换——它能自动识别绝大多数常见的日期字符串格式，不用像as.Date()那样手动写format参数，避免格式不匹配的错误。如果你的日期列已经是Date类型，也可以不用lubridate。

内容的提问来源于stack exchange，提问作者Stephen