如何在R中基于anemia_start列重置向后移动平均值？

问题需求 #

针对包含患者血红蛋白水平的数据集，需计算向后（非居中）累积平均值：

• 按患者ID（pt_id）独立计算
• 当anemia_start列值为1时（标记患者首次血红蛋白低于7的时刻），重置累积平均值的计算起点

示例数据 #

df <- data.frame(pt_id = c(1,1,1,1,1),
                 hemoglobin_level = c(8,6,5,8,7),
                 anemia_start = c(0,1,0,0,0))

# 打印原始数据
df
#>   pt_id hemoglobin_level anemia_start
#> 1     1                8            0
#> 2     1                6            1
#> 3     1                5            0
#> 4     1                8            0
#> 5     1                7            0

期望输出 #

新增moving_average列，结果为：

moving_average = c(8, 6, 5.5, 6.3, 6.5)

解决方案 #

使用dplyr包实现分组重置后的累积平均计算，步骤清晰且高效：

library(dplyr)

df_processed <- df %>%
  # 按患者ID分组，确保每个患者的计算独立
  group_by(pt_id) %>%
  # 生成重置分组标记：每次anemia_start=1时，分组号递增
  mutate(reset_group = cumsum(anemia_start)) %>%
  # 按患者ID+重置分组标记，计算子组内的累积平均
  group_by(pt_id, reset_group) %>%
  mutate(moving_average = cummean(hemoglobin_level)) %>%
  # 取消分组，清理临时列
  ungroup() %>%
  select(-reset_group)

# 查看处理后的数据
df_processed
#>   pt_id hemoglobin_level anemia_start moving_average
#> 1     1                8            0       8.000000
#> 2     1                6            1       6.000000
#> 3     1                5            0       5.500000
#> 4     1                8            0       6.333333
#> 5     1                7            0       6.500000

代码说明 #

1. 患者分组：通过group_by(pt_id)确保每个患者的计算互不干扰
2. 重置标记生成：cumsum(anemia_start)会生成递增的分组ID，每当遇到anemia_start=1时，后续行被划入新的子组，实现重置效果
3. 累积平均计算：cummean()函数会计算从子组起始行到当前行的均值，正好匹配需求中"重置后持续计算向后移动平均"的逻辑
4. 结果清理：取消分组并移除临时的reset_group列，得到整洁的输出数据

内容的提问来源于stack exchange，提问作者Henrik Ode