R dplyr按ID分组实现个体随时间变化的状态流转路径标记

核心思路 #

• 按ID分组后，分组内先按日期升序排序，保证状态流转的时间顺序正确
• 剔除每个ID下连续重复的状态仅保留1次，避免冗余记录无变化的状态节点
• 将去重后的状态序列用" to "拼接为完整流转字符串

实现代码 #

先将你提供的数据集赋值为df后，运行以下dplyr代码即可：

library(dplyr)

# 若需要保留所有行都保留该分类变量，使用mutate
result <- df %>%
  group_by(ID) %>%
  arrange(DATE, .by_group = TRUE) %>%
  mutate(
    status_change = paste(rle(as.character(status))$values, collapse = " to ")
  ) %>%
  ungroup()

# 若仅需要每个ID对应1条汇总记录，使用summarise
result_summary <- df %>%
  group_by(ID) %>%
  arrange(DATE, .by_group = TRUE) %>%
  summarise(
    status_change = paste(rle(as.character(status))$values, collapse = " to "),
    .groups = "drop"
  )

代码说明 #

• arrange(DATE, .by_group = TRUE) 保证每个ID下的记录严格按发生时间排序，避免原始数据顺序混乱导致流转逻辑错误
• rle() 函数用于提取连续不重复的状态序列，自动过滤连续相同的状态仅保留一次
• paste(..., collapse = " to ") 将状态序列按要求拼接为字符串

内容的提问来源于stack exchange，提问作者Kreitz Gigs