R语言aggregate函数使用问题：按KCL_ID提取最小DAYS对应BMI

嗨，我懂你碰到的麻烦了——直接用aggregate()函数的话，很容易踩个坑：如果直接对DAYS和BMI同时用min聚合，得到的BMI会是该分组里的最小值，而不是对应最小DAYS那一行的BMI，这完全不是你想要的结果对吧？下面给你几个贴合需求的解决办法：

方法1：用aggregate配合合并（纯base R，贴合你的初始需求） #

先通过aggregate提取每个KCL_ID对应的最小DAYS，再把这个结果和原数据合并，筛选出匹配的行：

# 假设你的原始数据框是df
df <- data.frame(
  KCL_ID = c(21L, 21L, 21L, 22L, 22L, 22L),
  DAYS = c(1449, 1814, 582, 582, 947, 183),
  BMI = c(26.4, 28.7, 32, 25.3, 25.2, 25.7)
)

# 第一步：提取每个KCL_ID的最小DAYS
min_days_group <- aggregate(DAYS ~ KCL_ID, data = df, FUN = min)

# 第二步：合并回原数据，筛选对应行
result <- merge(df, min_days_group, by = c("KCL_ID", "DAYS"))

# 若同一KCL_ID存在多个相同的最小DAYS，可去重
result <- unique(result)

运行后你会得到每个KCL_ID对应最小DAYS的完整行数据，包括正确匹配的BMI。

方法2：用by函数直接筛选行（base R更简洁写法） #

用by按KCL_ID分组，每组里直接找到DAYS最小的那一行，再合并结果：

result <- do.call(rbind, by(df, df$KCL_ID, function(group) {
  # 找到当前组中DAYS最小的行
  group[which.min(group$DAYS), ]
}))

这个方法一步到位，不需要额外合并操作，代码也更紧凑。

方法3：用dplyr（tidyverse风格，更易读） #

如果你习惯用tidyverse工具包，dplyr的写法会更直观：

library(dplyr)

result <- df %>%
  group_by(KCL_ID) %>%          # 按KCL_ID分组
  filter(DAYS == min(DAYS)) %>% # 筛选出组内DAYS最小的行
  ungroup()                     # 取消分组

这种写法逻辑清晰，后期维护和修改都很方便。

为什么直接用aggregate(cbind(DAYS,BMI)~KCL_ID, df, min)不行？ #

因为aggregate()会对每一列单独应用聚合函数——它会计算该分组DAYS的最小值，同时计算该分组BMI的最小值，这两个值大概率来自不同的行，自然就无法匹配到你要的对应关系啦。

内容的提问来源于stack exchange，提问作者Tseng