R语言按患者保留首个保险ID过滤数据集的实现代码咨询

需求说明 #

现有患者保险编号列表，部分患者被错误分配了多个保单号，需仅保留每位患者最早出现的保险编号对应的所有记录，删除同一患者其他保险编号的记录。

测试数据构造 #

InsuranceNumber <- c("00932", "00932", "00932", "00987", "00987", "00915", "00915", "00923" , "00977")
PatientName <- c("Patient1", "Patient1", "Patient1", "Patient1", "Patient1", "Patient1", "Patient1", "Patient2", "Patient2")
df <- data.frame(InsuranceNumber, PatientName)

实现代码 #

方法1：dplyr包实现（推荐，语法简洁） #

library(dplyr)
df_result <- df %>%
  group_by(PatientName) %>%
  filter(InsuranceNumber == first(InsuranceNumber)) %>%
  ungroup()

方法2：基础R实现（无需额外安装依赖包） #

# 提取每个患者首次出现的保险编号
first_ins <- aggregate(InsuranceNumber ~ PatientName, df, FUN = function(x) x[1])
# 匹配保留对应记录
df_result <- merge(df, first_ins, by = c("PatientName", "InsuranceNumber"))

结果验证 #

运行print(df_result)即可得到预期输出：

InsuranceNumber PatientName
1           00932    Patient1
2           00932    Patient1
3           00932    Patient1
4           00923    Patient2

内容的提问来源于stack exchange，提问作者Random Person