按疗效处理患者-药物给药数据：统计不同药物的治愈/未治愈患者数

我有一个包含药物列表、给药日期、患者信息以及逻辑型疗效字段（headache_cured：TRUE/FALSE）的数据框，想要生成一个新数据框，每行对应一种药物，统计使用该药物的治愈和未治愈的唯一患者数量。

示例输入数据 #

R代码生成输入数据 #

patient_id <- c("a","a","b","c","d","d","d")
drug <- c("tylenol", "tylenol", "tylenol", "advil", "aspirin", "aspirin", "motrin")
date <- c("1/1/2000", "1/2/2000", "1/3/2000", "1/4/2000", "1/5/2000", "1/6/2000", "1/7/2000")
headache_cured <- c(T,T,T,T,F,F,F)

df <- data.frame(patient_id,date,drug,headache_cured)

输入数据表格 #

期望输出数据 #

注：原示例中aspirin的未治愈患者数存在笔误，修正后正确输出如下

尝试的错误代码 #

df %>%
mutate(n_patients_cured = ifelse(headache_cured == T, n_distinct(patient_id),0) %>%
mutate(n_patients_not_cured = ifelse(headache_cured == F, n_distinct(patient_id),0)

解决方案 #

你的代码存在两个核心问题：

1. 未按药物分组，n_distinct会计算整个数据框的唯一患者数，而非单种药物分组内的数量
2. 缺少闭合括号，存在语法错误

推荐使用dplyr包完成需求，核心步骤是先去重（避免同一患者同药物被重复计数），再分组统计：

方法1：group_by + summarize #

library(dplyr)

result <- df %>%
  # 去重：保留每个患者-药物-治愈状态的唯一记录
  distinct(patient_id, drug, headache_cured, .keep_all = FALSE) %>%
  # 按药物分组
  group_by(drug) %>%
  # 统计治愈/未治愈的患者数量
  summarize(
    n_patients_cured = sum(headache_cured == TRUE),
    n_patients_not_cured = sum(headache_cured == FALSE)
  ) %>%
  # 取消分组状态
  ungroup()

print(result)

方法2：count + pivot_wider #

library(dplyr)
library(tidyr)

result <- df %>%
  distinct(patient_id, drug, headache_cured) %>%
  # 按药物和治愈状态统计人数
  count(drug, headache_cured) %>%
  # 转换为宽格式匹配期望输出
  pivot_wider(
    names_from = headache_cured,
    values_from = n,
    names_prefix = "n_patients_",
    values_fill = 0
  ) %>%
  # 重命名列名
  rename(
    n_patients_cured = `n_patients_TRUE`,
    n_patients_not_cured = `n_patients_FALSE`
  )

print(result)

两种方法都能得到符合要求的输出，去重步骤是关键，确保同一患者同药物只被计数一次。

内容的提问来源于stack exchange，提问作者mpianko