如何根据另一列中的缺失数据删除重复项？

Question

我有一个数据集，长这样：

   Study_ID Recurrent_Status
1       100                1
2       100               NA
3       100               NA
4       200                1
5       300               NA
6       400                3
7       400               NA
8       500                3
9       500               NA
10      600               NA
11      700                1

我想要移除重复的研究ID，但保留有“复发状态”数据的条目。换句话说，我想删除每个重复的研究ID，其中“复发状态”为NA。复发状态可以是1或3（或某些未重复患者的NA值）。

我的期望输出应该类似于这样：

  Study_ID Recurrent_Status
1      100                1
2      200                1
3      300               NA
4      400                3
5      500                3
6      600               NA
7      700                1

我尝试使用这段代码，但它当然会删除那些具有重复状态1或3的个体，而不是保留它们。

full_data<-filter(full_data, !duplicated(MRN, fromLast = TRUE) | Recurrence_status !="1")
full_data<-filter(full_data, !duplicated(MRN, fromLast = TRUE) | Recurrence_status !="3")

尝试移除感叹号时，出现以下错误：

full_data<-filter(full_data, !duplicated(MRN, fromLast = TRUE) | Recurrence_status ="1")

Error: unexpected '=' in "full_data<-filter(full_data, !duplicated(MRN, fromLast = TRUE) | Recurrence_status ="

我该怎样开始做这个？

可重现的数据：

data<-data.frame(Study_ID=c("100","100","100","200","300","400","400","500","500","600","700"),Recurrent_Status=c("1","NA","NA","1","NA","3","NA","3","NA","NA","1"))

- sabc04

Answer 1

我们可以按照'Recurrent_Status'中非NA元素以及第一列来进行排列，然后使用distinct。

library(dplyr)
data %>% 
  arrange(Study_ID, is.na(Recurrent_Status)) %>%
  distinct(Study_ID, .keep_all = TRUE)

-输出

  Study_ID Recurrent_Status
1      100                1
2      200                1
3      300               NA
4      400                3
5      500                3
6      600               NA
7      700                1

- akrun

Answer 2

另一个 dplyr 选项：

df <- read.table(text = "   Study_ID Recurrent_Status
1       100                1
2       100               NA
3       100               NA
4       200                1
5       300               NA
6       400                3
7       400               NA
8       500                3
9       500               NA
10      600               NA
11      700                1", header = TRUE)

library(dplyr)
df %>%
  group_by(Study_ID) %>%
  slice(which.max(!is.na(Recurrent_Status)))
#> # A tibble: 7 × 2
#> # Groups:   Study_ID [7]
#>   Study_ID Recurrent_Status
#>      <int>            <int>
#> 1      100                1
#> 2      200                1
#> 3      300               NA
#> 4      400                3
#> 5      500                3
#> 6      600               NA
#> 7      700                1

^{本文创建于2022年7月18日，使用reprex软件包（版本2.0.1）}

。

- Quinten

Answer 3

在这里，我们将分组并排列，保留第一个条目：

library(dplyr)

data %>% 
  group_by(Study_ID) %>% 
  arrange(Recurrent_Status, .by_group = TRUE) %>% 
  slice(1)

 Study_ID Recurrent_Status
  <chr>    <chr>           
1 100      1               
2 200      1               
3 300      NA              
4 400      3               
5 500      3               
6 600      NA              
7 700      1  

- TarJae

Answer 4

data %>%
   group_by(Study_ID) %>%
   filter(!is.na(Recurrent_Status)|all(is.na(Recurrent_Status)))

# A tibble: 7 x 2
# Groups:   Study_ID [7]
  Study_ID Recurrent_Status
     <int>            <int>
1      100                1
2      200                1
3      300               NA
4      400                3
5      500                3
6      600               NA
7      700                1

- Onyambu