R语言按条件处理Visite列重复值的技术求助

我来帮你搞定这个重复值处理的需求！首先我先把你的数据集整理成直观的表格形式，方便后续分析：

下面我用R语言的dplyr包（统计分析中常用的数据处理工具）来实现你要求的规则，步骤清晰，容易理解和修改：

第一步：加载工具包并构建数据集 #

首先我们把你的数据转换成可处理的格式，同时保留你提到的200个其他变量（示例中用随机数占位）：

library(dplyr)

# 构建你的数据集
df <- tibble(
  ID = c(1,1,1,1,1,2,2,2,2,2,2,2,3,3,3,3,3,3,4,4,4),
  Visite = c(1,4,4,5,6,1,2,3,4,4,6,7,1,2,2,3,4,5,1,2,3),
  # 替换成你实际的200个变量
  other_variables = rnorm(nrow(df))
)

第二步：按规则处理重复的Visite值 #

核心思路是按ID分组，先标记重复项，再检查相邻访视的存在情况，最后应用规则修改或删除行：

df_processed <- df %>%
  # 按ID分组，后续操作都在每个ID内部进行
  group_by(ID) %>%
  # 标记当前ID下哪些Visite是重复的，同时记录该ID的所有访视值
  mutate(
    # 标记是否为重复项（包括第一次出现的重复值）
    is_duplicate = duplicated(Visite) | duplicated(Visite, fromLast = TRUE),
    # 把当前ID的所有Visite值存成列表，方便后续检查相邻值
    all_visits_in_id = list(unique(Visite))
  ) %>%
  # 再按ID+Visite分组，处理每个重复的访视组
  group_by(ID, Visite) %>%
  mutate(
    # 给每个重复组内的行编序号，方便区分保留的第一行和要处理的重复行
    row_num_in_dup = row_number(),
    # 检查相邻低访视（Visite-1）是否缺失
    low_visit_missing = !((Visite - 1) %in% unlist(all_visits_in_id)),
    # 检查相邻高访视（Visite+1）是否缺失
    high_visit_missing = !((Visite + 1) %in% unlist(all_visits_in_id))
  ) %>%
  ungroup() %>%
  # 应用规则修改或筛选行
  mutate(
    # 规则1：重复行且低访视缺失，把Visite改成低访视
    Visite = case_when(
      is_duplicate & row_num_in_dup > 1 & low_visit_missing ~ Visite - 1,
      # 规则2：重复行且高访视缺失，把Visite改成高访视
      is_duplicate & row_num_in_dup > 1 & high_visit_missing ~ Visite + 1,
      # 其他情况保留原Visite
      TRUE ~ Visite
    )
  ) %>%
  # 规则3：如果高低访视都存在，删除重复的行（只保留每个重复组的第一行）
  filter(!(is_duplicate & row_num_in_dup > 1 & !low_visit_missing & !high_visit_missing)) %>%
  # 清理过程中生成的临时变量
  select(-is_duplicate, -all_visits_in_id, -row_num_in_dup, -low_visit_missing, -high_visit_missing) %>%
  # 按ID和Visite重新排序，方便查看结果
  arrange(ID, Visite)

处理结果验证 #

对应你的示例数据，处理后会得到：

• ID1的两个4：因为低访视3不存在，所以其中一个4被改为3
• ID2的两个4：因为高访视5不存在，所以其中一个4被改为5
• ID3的两个2：因为低访视1和高访视3都存在，所以删除其中一行2
• ID4没有重复Visite，保持原样

如果你习惯用Python的pandas，也可以实现完全相同的逻辑，核心是通过groupby分组后，对每个分组内的重复值进行判断和处理。

内容的提问来源于stack exchange，提问作者Christina Sobotzki