如何在R中基于ID合并数据框行并保留状态信息？

你遇到的问题很典型：unique()函数只会移除完全重复的整行，但你的同一ID下的行有不同的Event_Date或状态值（比如COPD从0变1），所以整行并不重复，unique()自然无法合并。要实现你的需求，我们需要按ID分组，对每个列单独做聚合处理，保留你需要的状态信息。

方法1：使用dplyr（tidyverse风格） #

这是最直观的方式，适合数据量不大的情况：

首先确保你安装并加载了dplyr包：

install.packages("dplyr")
library(dplyr)

然后按ID分组，对每列做对应的聚合操作：

# 假设你的原始数据框名为Data
cleaned_data <- Data %>%
  group_by(ID) %>%
  summarise(
    Smoker = max(Smoker, na.rm = TRUE),  # 取最终状态（0→1，最大值就是最新状态）
    Asthma = max(Asthma, na.rm = TRUE),
    Age = first(Age),  # 同一ID的Age应该一致，取首个值即可
    Sex = first(Sex),
    COPD = max(COPD, na.rm = TRUE),      # 保留COPD的最终状态
    Event_Date = min(Event_Date, na.rm = TRUE)  # 取最早的事件日期（和你的预期结果匹配）
  ) %>%
  ungroup()

注意事项：日期格式处理 #

如果你的Event_Date是字符型（比如"12-2009"），直接用min()可能得不到正确的日期顺序，需要先转换为日期类型：

# 先把字符型日期转为Date类型（假设日是当月1号）
Data$Event_Date <- as.Date(paste0("01-", Data$Event_Date), format = "%d-%m-%Y")

# 聚合后如果需要转回原格式：
cleaned_data$Event_Date <- format(cleaned_data$Event_Date, "%m-%Y")

方法2：使用data.table（适合大数据集） #

如果你的数据量很大，data.table的速度会更快：

install.packages("data.table")
library(data.table)

setDT(Data)  # 将数据框转为data.table格式
cleaned_data <- Data[, .(
  Smoker = max(Smoker, na.rm = TRUE),
  Asthma = max(Asthma, na.rm = TRUE),
  Age = first(Age),
  Sex = first(Sex),
  COPD = max(COPD, na.rm = TRUE),
  Event_Date = min(Event_Date, na.rm = TRUE)
), by = ID]

为什么这个方法有效？ #

• 我们按ID分组后，对状态类列（Smoker、Asthma、COPD）取最大值，这样就能保留从0到1的状态变化结果（如果有过1，最大值就是1）；
• 对Age、Sex这类同一ID下不会变化的列，取首个值或唯一值即可；
• 对Event_Date取最小值，得到该ID最早的事件日期，和你的预期结果一致。

内容的提问来源于stack exchange，提问作者Beum