如何在长格式纵向数据中筛选含全部4次测量的ID行

我来帮你搞定这个筛选问题～首先得先搞清楚你之前代码报错的原因：

你用table(data$id) == 4得到的是一个对应每个唯一ID是否满足4次记录的逻辑向量，它的长度是你数据里唯一ID的数量（比如你报错里的828个），但subset()函数需要的是和你的原始数据行数（2637行）完全一致的逻辑索引，两者长度不匹配，所以才会抛出那个错误。

下面给你几种靠谱的解决方案，都能保留长格式数据，完美筛选出拥有全部4次Wave记录的参与者：

方法1：用dplyr（代码最直观，推荐） #

如果你已经装了dplyr包，直接按ID分组后筛选每组行数为4的记录就行：

library(dplyr)

all.data <- data %>%
  group_by(ID) %>%
  filter(n() == 4) %>%
  ungroup()

这里n()会自动计算每个ID对应的行数，只有行数刚好是4的分组会被保留，完全符合你的需求。

方法2：Base R原生方法（不用装额外包） #

先把符合条件的ID找出来，再用这个列表去筛选原数据：

# 第一步：提取所有有4次记录的ID
valid_ids <- names(table(data$ID))[table(data$ID) == 4]
# 第二步：筛选原数据中ID在valid_ids里的行
all.data <- subset(data, ID %in% valid_ids)

这种方法先拿到合格ID的名单，再用%in%来匹配，这样生成的逻辑向量长度就和原始数据行数一致了，不会再报错。

方法3：用data.table（大数据量下速度更快） #

如果你的数据后续还要做大量处理，data.table的效率会更高：

library(data.table)
setDT(data) # 把数据转换成data.table格式
all.data <- data[, .SD[.N == 4], by = ID]

.N是data.table里的特殊变量，代表每个分组的行数，.SD指代当前分组的所有数据，这样就只保留了行数为4的分组。

最后你可以用table(all.data$ID)检查一下结果，所有ID的计数都应该是4，确认筛选正确～

内容的提问来源于stack exchange，提问作者Eslie