如何用R函数查找重复ID？SAS表导入R Studio后的多实验数据处理

当然有啦！R里有不少简单好用的工具帮你搞定这个需求，不管是基础R函数还是tidyverse系列的工具，都能轻松找出重复ID并完成数据筛选。下面给你一步步拆解：

1. 找出参与多项实验的患者ID #

方法一：用基础R快速实现 #

• 先统计每个患者ID的出现次数：

  # 统计ID出现频次
  id_counts <- table(your_data$patient_id)
  # 筛选出出现次数>1的ID（也就是参与多项实验的患者）
  multi_experiment_ids <- names(id_counts[id_counts > 1])
  

• 如果你想直接标记原数据中的重复行，可以用duplicated()：

  # 给数据框加一列，标记该行是否为重复ID（除首次出现外的重复项）
  your_data$is_duplicate <- duplicated(your_data$patient_id)
  

方法二：用tidyverse（dplyr）更流畅地处理 #

如果你习惯用tidyverse的语法，整个流程会更连贯：

library(dplyr)

# 第一步：统计每个患者参与的实验次数
id_summary <- your_data %>%
  count(patient_id, name = "experiment_times")

# 第二步：筛选出参与多项实验的患者
multi_participants <- id_summary %>%
  filter(experiment_times > 1)

2. 筛选数据并选定单一实验 #

假设你的数据里有一列（比如experiment_type）标记了具体是哪项实验，你可以按需求给每个患者选其中一项：

# 示例：给每个患者选首次参与的实验数据（先按实验时间/类型排序，再取每组第一条）
filtered_data <- your_data %>%
  group_by(patient_id) %>%
  arrange(experiment_type) # 这里可以换成实验日期列，保证排序逻辑正确
  slice(1) %>% # 提取每组的第一条记录
  ungroup()

3. 确认观测数量 #

• 查看筛选后的总观测数：

  nrow(filtered_data)
  

• 要是想知道每个实验最终保留了多少患者，可以再加一步：

  filtered_data %>%
    count(experiment_type)
  

小提醒：导入SAS表后，记得检查patient_id的类型，避免因因子类型导致统计错误。可以用class(your_data$patient_id)查看，要是因子就转成字符型：your_data$patient_id <- as.character(your_data$patient_id)。

内容的提问来源于stack exchange，提问作者Ary