R语言多受试者数据集：分组管道式条件列生成及多最大值处理问询

背景 #

存在换药的受试者，需计算体内前药残留量以避免干扰新药实测浓度（DV）。现有针对单受试者生成条件列的R代码：

Data$TEST <- 0
Data$TEST[(Data$PROD==4 | Data$PROD==6) & Data$DV>0 & Data$TYPE==1] <- cumsum(1:length(Data$TEST[(Data$PROD==4 | Data$PROD==6) & Data$DV>0 & Data$TYPE==1]))

后续标记最大值的代码：

Data$TEST2 <- 0
Data$TEST2[Data$TEST == max(Data$TEST)] <- 1

上述代码仅支持单受试者数据集，需修改为按ID分组的多受试者版本。

问题1：整合group_by(ID)并转为管道形式 #

注意：原单受试者代码中的cumsum是冗余的——cumsum(1:n)会生成累加和（如1,3,6...），若目标是给符合条件的行按出现顺序标记1、2、3...，应直接使用连续序号。以下是修正后的管道化分组代码：

代码实现（基于dplyr） #

library(dplyr)

# 按ID分组生成TEST列
Data <- Data %>%
  group_by(ID) %>%
  mutate(
    # 给符合条件的行按出现顺序标记1、2、3...，其余行设为0
    TEST = case_when(
      (PROD %in% c(4, 6)) & DV > 0 & TYPE == 1 ~ seq_along(which((PROD %in% c(4, 6)) & DV > 0 & TYPE == 1))[cumsum((PROD %in% c(4, 6)) & DV > 0 & TYPE == 1)],
      TRUE ~ 0L
    )
  ) %>%
  ungroup()

# 生成TEST2列（标记TEST最大值的行）
Data <- Data %>%
  group_by(ID) %>%
  mutate(
    TEST2 = ifelse(TEST == max(TEST, na.rm = TRUE), 1L, 0L)
  ) %>%
  ungroup()

代码说明 #

• group_by(ID)：按受试者ID分组，确保每个受试者的计数独立计算
• case_when：精准匹配符合条件的行，用seq_along()生成连续序号，其余行保持0
• ungroup()：处理完成后取消分组，避免后续操作受分组状态影响
• max(TEST, na.rm = TRUE)：加入na.rm=TRUE避免空值干扰最大值计算

附加问题：单ID存在多个TEST最大值的处理方式 #

当同一受试者多次换药导致TEST列出现多个最大值时，可根据业务需求选择以下两种处理方式：

方式1：标记所有等于最大值的行 #

如果需要把所有达到最大计数的行都标记为1（比如所有对应最后一次换药的记录）：

Data <- Data %>%
  group_by(ID) %>%
  mutate(
    TEST2 = ifelse(TEST == max(TEST, na.rm = TRUE), 1L, 0L)
  ) %>%
  ungroup()

方式2：仅标记最后一个最大值行 #

如果只需要标记最后一条达到最大计数的记录（比如最新的换药记录）：

Data <- Data %>%
  group_by(ID) %>%
  mutate(
    max_TEST = max(TEST, na.rm = TRUE),
    # 定位所有等于最大值的行，仅标记最后一行
    TEST2 = ifelse(TEST == max_TEST & row_number() == last(which(TEST == max_TEST)), 1L, 0L)
  ) %>%
  select(-max_TEST) %>% # 移除临时计算列
  ungroup()

内容的提问来源于stack exchange，提问作者SFKR