如何在R中用data.table为跨所有STUDY的共享变量创建YES/NO标识

实现逻辑 #

• 第一步：计算数据集中所有不同研究的总数量
• 第二步：按VARIABLE字段分组，统计每个变量出现的不同研究数量
• 第三步：将变量对应的研究数量和总研究数对比，相等则FLAG为YES，否则为NO

代码实现 #

首先加载data.table包：

library(data.table)

读取本地数据可以使用fread，适配大文件读取场景：

# 替换为你的实际数据路径
dt <- fread("your_data_path.csv")

你提供的示例数据构造代码如下：

dt <- data.table(
  STUDY = c("STUDY1", "STUDY1", "STUDY1", "STUDY2", "STUDY2", "STUDY2", "STUDY3", "STUDY3", "STUDY3"),
  VARIABLE = c("AGE", "SEX", "WT", "AGE", "RACE", "WT", "AGE", "SEX", "WT")
)

核心计算FLAG的代码：

# 计算总研究数
total_study_cnt <- dt[, uniqueN(STUDY)]
# 按变量分组生成FLAG
dt[, FLAG := fifelse(uniqueN(STUDY) == total_study_cnt, "YES", "NO"), by = VARIABLE]

注：这里使用data.table自带的fifelse而非基础ifelse，运算效率更高，适配大规模数据的处理需求。

结果说明 #

执行完上述代码后，dt会自动新增FLAG列，输出结果和你给出的预期完全一致，原有数据的其他字段都会完整保留，无需额外调整。

内容的提问来源于stack exchange，提问作者Amer