在R中过滤记录：保留outcome=1的记录并删除其后无结果记录

你的需求核心是：按id分组，保留每个分组中最后一条outcome==1记录及之前的所有记录（包含该分组内所有outcome==1的记录，以及这些1之前的outcome==0记录）。原代码的问题在于错误地按id+outcome分组，且没有定位到每个id最后一次出现outcome==1的时间节点，导致逻辑不符合需求。

以下是修正后的dplyr代码：

library(dplyr)

set.seed(2022)

dat1 <- tibble(
  surv_date = seq.Date(as.Date("2020-04-03"), as.Date("2021-01-01"), by = 5),
  outcome = rbinom(55, 1, 0.3),
  id = paste0("s00", rbinom(55, 10, 0.3))
)

filtered_dat <- dat1 %>%
  arrange(id, surv_date) %>%
  group_by(id) %>%
  # 计算每个id最后一次出现outcome==1的日期；若该id无outcome==1的记录，则保留所有日期
  mutate(last_outcome1_date = ifelse(any(outcome == 1), 
                                     max(surv_date[outcome == 1]), 
                                     max(surv_date))) %>%
  # 保留所有早于等于最后一个outcome==1日期的记录
  filter(surv_date <= last_outcome1_date) %>%
  ungroup() %>%
  select(-last_outcome1_date) # 移除临时计算的列

# 查看结果
filtered_dat

代码说明 #

• arrange(id, surv_date)：先按id分组，再按日期升序排序，确保记录时间顺序正确。
• group_by(id)：仅按id分组，保证每个分组内的处理是针对同一个用户的所有记录。
• last_outcome1_date：通过ifelse判断每个id是否存在outcome==1的记录：
  • 若存在，取该id所有outcome==1记录中的最大日期（即最后一次出现1的日期）；
  • 若不存在，取该id的最大日期（即保留所有记录）。
• filter(surv_date <= last_outcome1_date)：过滤出最后一个1的日期及之前的所有记录，自动剔除该日期之后的所有outcome==0记录。

内容的提问来源于stack exchange，提问作者Moses