R语言使用dplyr按受试者、事件取最新观测的实现咨询

你写的代码核心问题出在分组逻辑上：连续两次调用group_by()时，第二次调用会直接覆盖第一次设置的分组条件，最终只会按EVENT单维度分组，完全丢失了按受试者区分的逻辑，自然跑不出预期结果。

正确实现步骤 #

• 调整分组方式：把需要共同生效的分组维度（受试者ID列、事件类型列）直接写到同一个group_by()的参数里，dplyr会自动按所有维度的交叉组合完成分组，不需要分开多次写group_by
• 修正细节错误：
  • 原数据里受试者ID列名是DE_ID，不是你代码里写的ID，列名不匹配会直接报错
  • 原数据的日期格式是%Y-%m-%d，不是你代码里写的%Y/%m/%d，格式不匹配转日期时会生成NA值，导致取值逻辑失效
• 处理完分组计算后记得调用ungroup()解除分组，避免后续操作被残留的分组逻辑影响

基础实现代码 #

library(dplyr)

df %>% 
  # 同时按「受试者ID + 事件类型」交叉分组
  group_by(DE_ID, EVENT) %>%
  # 取每组内日期最新的记录
  slice(which.max(as.Date(EVENT_DATE_TIME, format = "%Y-%m-%d"))) %>%
  ungroup()

性能优化写法 #

如果数据量比较大，可以提前把日期列转成标准日期格式，用dplyr内置的slice_max函数替代手写的which.max逻辑，代码更简洁也不容易出错：

library(dplyr)

df %>%
  # 提前统一转换日期格式
  mutate(EVENT_DATE_TIME = as.Date(EVENT_DATE_TIME, format = "%Y-%m-%d")) %>%
  group_by(DE_ID, EVENT) %>%
  # 取每组最新1条记录，默认会保留同一天的所有记录，如果只需要1条可以加参数 with_ties = FALSE
  slice_max(EVENT_DATE_TIME, n = 1) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Ava Wilson