R语言9波宽格式纵向数据如何排除仅0/1个时间点有数据的参与者

你需要的筛选逻辑本质是：逐行统计w1到w9共9个波次列中的缺失值（NA）数量，剔除缺失值数量为8或9的行——这类行对应的参与者仅在0或1个时间点存在有效数据。

基础R版本（无需安装额外依赖，处理大型数据集速度快） #

# 定位所有波次列，避免把ID、其他协变量纳入统计
wave_columns <- paste0("w", 1:9)
# 逐行计算波次列的NA总数
row_na_num <- rowSums(is.na(Merged[, wave_columns]))
# 保留NA数小于8的行（即有效数据点≥2的参与者）
Result <- Merged[row_na_num < 8, ]

代码逻辑说明：is.na()会逐单元格判断值是否为NA，返回TRUE/FALSE的逻辑矩阵；rowSums()按行求和时，TRUE会被记为1、FALSE记为0，求和结果就是对应行的NA总个数，全程向量化运算，百万行级数据集也能快速出结果。

dplyr版本（代码可读性更高，适合习惯tidyverse语法的用户） #

如果平时用dplyr做数据处理，可以用下面的写法：

library(dplyr)
Result <- Merged %>%
  rowwise() %>%
  # 统计w1到w9列的NA数量
  mutate(temp_na_count = sum(is.na(c_across(w1:w9)))) %>%
  ungroup() %>%
  # 筛选符合条件的行
  filter(temp_na_count < 8) %>%
  # 移除临时生成的计数列
  select(-temp_na_count)

注意：统计NA时不要把ID列或其他非波次测量的变量纳入计算，否则会导致缺失值计数错误，筛选结果偏差。你之前用的单列条件筛选也是行索引筛选逻辑，和上述写法的核心框架一致，只是把单列判断替换成了多列缺失值的聚合判断。

内容的提问来源于stack exchange，提问作者Jonas L