R语言如何新增列标识各id分组下缺失的score类别

核心实现逻辑：按id分组后，基于每组的max.score生成0到该值的完整整数序列，与组内实际出现的去重score值做差集得到缺失类别，按要求拼接后回填到分组所有行，无缺失则填充NA。

方法1：dplyr实现（代码简洁易读） #

适合习惯用tidyverse语法的场景，代码如下：

library(dplyr)

# 初始化示例数据
df <- data.frame(id = c(1,1,1,1,1, 2,2,2,2,2, 3,3,3,3,3),
                 score = c(0,0,2,0,2, 0,1,1,0,1, 0,1,0,1,0),
                 max.score = c(2,2,2,2,2, 1,1,1,1,1, 2,2,2,2,2))

df <- df %>%
  group_by(id) %>%
  mutate(
    # 生成该组应该覆盖的完整score序列
    full_score = list(0:unique(max.score)),
    # 提取组内实际存在的score值
    exist_score = list(unique(score)),
    # 取差集得到缺失值
    miss_val = setdiff(unlist(full_score), unlist(exist_score)),
    # 按规则生成missing列
    missing = ifelse(length(miss_val) == 0, NA_character_, paste(miss_val, collapse = ","))
  ) %>%
  # 删除计算用的临时列
  select(-full_score, -exist_score, -miss_val) %>%
  ungroup()

执行代码后得到的结果与期望输出完全匹配，多缺失值场景会自动用逗号拼接。

方法2：基础R实现（无需安装第三方包） #

不依赖额外扩展包即可实现，代码如下：

# 初始化示例数据
df <- data.frame(id = c(1,1,1,1,1, 2,2,2,2,2, 3,3,3,3,3),
                 score = c(0,0,2,0,2, 0,1,1,0,1, 0,1,0,1,0),
                 max.score = c(2,2,2,2,2, 1,1,1,1,1, 2,2,2,2,2))

# 按id拆分数据
df_split <- split(df, df$id)
# 逐组计算缺失值
df_split <- lapply(df_split, function(subdf) {
  full_val <- 0:unique(subdf$max.score)
  exist_val <- unique(subdf$score)
  miss_val <- setdiff(full_val, exist_val)
  subdf$missing <- if (length(miss_val) == 0) NA else paste(miss_val, collapse = ",")
  subdf
})
# 合并为完整数据框
df <- do.call(rbind, df_split)
rownames(df) <- NULL

注意事项 #

• 逻辑默认同一id分组下max.score取值一致，若同id存在多个不同max.score，可根据业务规则调整取值（例如取分组内最大值）
• 输出的missing列为字符类型，若后续需要对缺失值做数值运算，可再做拆分转换
• 自动适配多缺失值场景：例如某组max.score=3、实际仅出现score=0，会自动返回拼接结果1,2,3

内容的提问来源于stack exchange，提问作者amisos55