R语言data.table按RID折叠行无需拼接重复字段的实现问询

问题原因 #

你原有代码对所有列统一执行paste0拼接操作，导致同一RID下取值重复的分类字段（Sex、Race等）也被拼接，不符合预期。你的核心需求是按RID分组后，每列保留分组内唯一的非空值即可，以下是可直接运行的实现方案：

最简实现方案（data.table 原生支持） #

library(data.table)
setDT(df)

# 第一步：把空字符串替换为NA，方便后续处理
df[df == ""] <- NA

# 第二步：按RID分组，对每列取分组内第一个非NA的值
df1 <- df[, lapply(.SD, function(x) fcoalesce(as.list(x))), by = RID]

该方案不需要手动区分列类型，适配列数较多的场景，运行结果和你要求的Requd_df完全一致。

手动指定列处理逻辑（更可控） #

如果你希望明确控制不同列的处理规则，避免特殊情况出错，可以用如下写法：

library(data.table)
setDT(df)

# 固定列：同一RID下取值完全一致，直接取第一个值即可
fix_cols <- c("Sex", "Race", "TIME", "Sugar")
# 测试列：同一RID下只有一个非空值，过滤空值后保留
test_cols <- c("Test_A", "Test_B")

df1 <- df[, c(
  lapply(.SD[, ..fix_cols], first),
  lapply(.SD[, ..test_cols], function(x) as.integer(x[x != ""]))
), by = RID]

内容的提问来源于stack exchange，提问作者ks ramana