如何将纵向数据中初始确定的分类变量沿个体重复填充？

优化初始分类生成（替代多层ifelse） #

首先可以用cut函数简化分类逻辑，比嵌套ifelse更易维护：

df <- data.frame(id=factor(c(1,1,1,2,2,2)), time=c(0,30,60,0,30,60), art_hb=c(5.8,6.1,5.9,6.7,6.9,NA))

# 仅对time=0的行生成分类，其余行先留空
df$art_hb_cat <- ""
df[df$time == 0, "art_hb_cat"] <- cut(
  df[df$time == 0, "art_hb"],
  breaks = c(-Inf, 3, 6, 9, Inf),
  labels = c("0-3", "3-6", "6-9", ">9")
)

方法1：使用dplyr（tidyverse生态） #

按id分组后，提取每组非空的首个分类值并填充所有行：

library(dplyr)

df_filled <- df %>%
  group_by(id) %>%
  mutate(art_hb_cat = first(art_hb_cat[art_hb_cat != ""])) %>%
  ungroup()

方法2：使用data.table（适合大数据集） #

利用data.table的分组赋值语法，直接将time=0时的分类同步到同ID的所有行：

library(data.table)

setDT(df)
# 先生成初始分类（同cut方法）
df[time == 0, art_hb_cat := cut(art_hb, breaks = c(-Inf,3,6,9,Inf), labels = c("0-3","3-6","6-9",">9"))]
# 按ID填充分类
df[, art_hb_cat := art_hb_cat[time == 0], by = id]

方法3：基础R实现（无需额外包） #

通过筛选+合并的方式完成填充：

# 先生成初始分类（同cut方法）
df$art_hb_cat <- ""
df[df$time == 0, "art_hb_cat"] <- cut(df[df$time == 0, "art_hb"], breaks = c(-Inf,3,6,9,Inf), labels = c("0-3","3-6","6-9",">9"))

# 提取每个ID对应的分类
id_class_map <- df[df$time == 0, c("id", "art_hb_cat")]
# 合并回原数据并替换分类列
df_filled <- merge(df, id_class_map, by = "id", suffixes = c("", "_fixed"))
df_filled$art_hb_cat <- df_filled$art_hb_cat_fixed
df_filled <- df_filled[, names(df)]

以上三种方法最终都能得到你需要的结果：每个ID的所有时间点都使用首次（time=0）的血红蛋白分类。

内容的提问来源于stack exchange，提问作者Tobias