R语言中数据框Status列打乱后删除冗余行的实现

首先，我们可以利用dplyr的分组和随机抽样功能来实现需求：每个ID随机指定一个死亡时间点（Status=1），该时间点之前的状态保持为0，之后的状态设为NA。以下是完整的代码实现：

1. 构造原始数据（如果已有数据可跳过这一步） #

library(dplyr)

# 你的原始数据框
df <- tibble(
  ID = c(1,1,1,2,2,2,3,3,3,3),
  Status = c(0,0,1,0,0,0,0,0,0,1)
)

2. 处理数据 #

# 设置随机种子，确保结果可重复（可选但推荐）
set.seed(123)

processed_df <- df %>%
  # 按ID分组，每个ID单独处理
  group_by(ID) %>%
  # 给每组内的行分配序号（代表时间先后）
  mutate(row_idx = row_number()) %>%
  # 随机抽取当前组内的一个行号作为死亡发生的时间点
  mutate(death_position = sample(row_idx, size = 1)) %>%
  # 根据行号和死亡位置的关系设置Status
  mutate(Status = case_when(
    row_idx < death_position ~ 0,          # 死亡前：存活
    row_idx == death_position ~ 1,         # 死亡时：标记为1
    row_idx > death_position ~ NA_real_    # 死亡后：设为NA
  )) %>%
  # 移除辅助列，取消分组
  select(-row_idx, -death_position) %>%
  ungroup()

# 查看结果
print(processed_df)

代码解释 #

• group_by(ID)：确保每个ID的处理独立进行，不会影响其他ID的数据。
• row_number()：给每个ID对应的行按顺序编号，模拟时间点的先后顺序。
• sample(row_idx, 1)：从当前ID的所有行号中随机选一个，作为死亡发生的时间点，保证每个ID仅出现一次1。
• case_when()：根据行号与死亡位置的关系，分别设置0、1和NA，完全符合需求中的规则。
• 最后移除辅助列并取消分组，得到干净的目标数据框。

运行上述代码后，你会得到类似你给出的目标格式的数据（因为随机抽样，每次结果可能略有不同，但核心规则一致）。

内容的提问来源于stack exchange，提问作者Slouei