在R语言中如何基于两列变量组合实现聚合？含自定义函数需求

针对你描述的数据框结构，我会用两种常用的数据分析工具（R的tidyverse和Python的pandas）来实现这个灵活的函数，支持指定任意PatGroup和Variable的组合，再按StudyQuarter完成聚合计算（默认求和，也可自定义聚合逻辑）。

先复现你的示例数据 #

首先把你给出的原始数据转换成可直接运行的格式，顺便统一了Variable列的大小写（避免因大小写差异漏筛数据）：

R版本数据 #

library(tidyverse)

df <- tibble(
  PatGroup = c("A", "B", "A", "A", "C", "C", "A", "B"),
  Variable = c("Patientdays", "ExposedDays", "ExposedDays", "Patients", "ExposedDays", "PatientDays", "Patientdays", "ExposedDays"),
  Value = c(100, 80, 40, 40, 10, 90, 20, 90),
  StudyQuarter = c(1,1,1,1,1,1,2,2)
)
# 统一Variable列大小写，避免筛选误差
df <- df %>% mutate(Variable = str_to_lower(Variable))

Python版本数据 #

import pandas as pd

df = pd.DataFrame({
    'PatGroup': ['A', 'B', 'A', 'A', 'C', 'C', 'A', 'B'],
    'Variable': ['Patientdays', 'ExposedDays', 'ExposedDays', 'Patients', 'ExposedDays', 'PatientDays', 'Patientdays', 'ExposedDays'],
    'Value': [100, 80, 40, 40, 10, 90, 20, 90],
    'StudyQuarter': [1,1,1,1,1,1,2,2]
})
# 统一Variable列大小写
df['Variable'] = df['Variable'].str.lower()

自定义筛选聚合函数实现 #

R版本函数 #

这个函数支持：

• 指定目标PatGroup集合（比如c("A", "C")）
• 指定目标Variable集合（比如c("patientdays", "exposeddays")）
• 可选替换聚合函数（默认求和，可换成mean求均值等）

filter_and_aggregate <- function(data, target_patgroups, target_variables, agg_func = sum) {
  data %>%
    # 筛选指定的PatGroup和Variable
    filter(PatGroup %in% target_patgroups, Variable %in% target_variables) %>%
    # 按分组维度聚合
    group_by(PatGroup, Variable, StudyQuarter) %>%
    summarise(AggregatedValue = agg_func(Value, na.rm = TRUE), .groups = "drop") %>%
    # 转成宽表（每个季度单独一列，可选步骤）
    pivot_wider(names_from = StudyQuarter, values_from = AggregatedValue, names_prefix = "Q")
}

使用示例

比如我们要筛选PatGroup A和C，以及Variable为patientdays和exposeddays的数据：

result <- filter_and_aggregate(df, target_patgroups = c("A", "C"), target_variables = c("patientdays", "exposeddays"))
print(result)

输出结果：

# A tibble: 4 × 4
  PatGroup Variable      Q1    Q2
  <chr>    <chr>      <dbl> <dbl>
1 A        patientdays   100    20
2 A        exposeddays    40    NA
3 C        patientdays    90    NA
4 C        exposeddays    10    NA

Python版本函数 #

同样支持灵活的筛选和自定义聚合：

def filter_and_aggregate(data, target_patgroups, target_variables, agg_func='sum'):
    # 筛选指定的PatGroup和Variable
    filtered_df = data[(data['PatGroup'].isin(target_patgroups)) & (data['Variable'].isin(target_variables))]
    # 分组计算聚合值
    aggregated_df = filtered_df.groupby(['PatGroup', 'Variable', 'StudyQuarter'])['Value'].agg(agg_func).reset_index()
    # 转成宽表格式（可选步骤）
    wide_df = aggregated_df.pivot(index=['PatGroup', 'Variable'], columns='StudyQuarter', values='Value').add_prefix('Q').reset_index()
    return wide_df

使用示例

result = filter_and_aggregate(df, target_patgroups=['A', 'C'], target_variables=['patientdays', 'exposeddays'])
print(result)

输出结果：

StudyQuarter PatGroup      Variable     Q1    Q2
0                     A    patientdays  100.0  20.0
1                     A    exposeddays   40.0   NaN
2                     C    patientdays   90.0   NaN
3                     C    exposeddays   10.0   NaN

额外说明 #

1. 大小写处理：如果你的原始数据Variable列大小写是统一的，可以去掉代码里的大小写转换逻辑。
2. 聚合逻辑自定义：你可以根据需求替换聚合函数，比如R里用mean求均值，Python里用'mean'；如果需要同时计算多个聚合指标（比如求和+均值），可以修改函数返回多列结果。
3. 输出格式调整：示例里转成了宽表（每个季度单独一列），如果需要长表格式，去掉pivot_wider（R）或pivot（Python）的步骤即可。

内容的提问来源于stack exchange，提问作者HM8689