如何对数据框中的所有行进行子集化以进行重复测量答案

【问题标题】：How to subset all rows from data frame for repeated measures如何对数据框中的所有行进行子集化以进行重复测量
【发布时间】：2015-05-19 07:10:18
【问题描述】：

我的问题的背景是：我有一个由重复测量组成的数据集，每行一个数据点。这些数据来自纵向研究，因此目前并非每个受试者都有所有数据点。

我希望能够提取所有符合标准的数据点，即所有重复测量或具有两个重复测量的数据点。

这是一个简化的例子：

subject.id <- c( 0, 0, 0, 1, 1, 1, 2, 2, 3 )
visit <- c( 0, 1, 2, 0, 1, 2, 0, 1, 0 )
data.value <- c( 32, 35, 38, 12, 18, 24, 9, 13, 21 )
data.from.study <- data.frame( subject.id, visit, data.value )

导致：

  subject.id visit data.value
1          0     0         32
2          0     1         35
3          0     2         38
4          1     0         12
5          1     1         18
6          1     2         24
7          2     0          9
8          2     1         13
9          3     0         21

所以：

受试者 0 和 1 有基线和两次重复测量，
受试者 2 具有基线测量和一次重复测量，并且
主题 3 仅具有基线测量值。

我希望能够选择性地为具有两个重复测量（或一个或仅基线）的所有受试者进行子集化，其中包含所有数据，即：

> data.2.measures <- ??
> data.2.measures
      subject.id visit data.value
    1          0     0         32
    2          0     1         35
    3          0     2         38
    4          1     0         12
    5          1     1         18
    6          1     2         24

我可以在哪里进行子集化 - 使用这个例子 - visit == 2。但是，对于那些具有第二次访问数据点的受试者，我看不到如何提取访问 0 和 1 的数据。从概念上讲，我可以看到我知道 subject.id 并且可以以某种方式使用此信息，但我不确定如何使用列表进行子集化。 %in% 操作符在这里有潜在帮助吗？

有什么想法吗？提前致谢。

【问题讨论】：

标签： r panel-data

【解决方案1】：

您可以使用dplyr 轻松实现此目的。所以你会 group_by subject.id 和 filter 通过计数。所以在这个例子中，它只是：

library(dplyr)

subject.id <- c( 0, 0, 0, 1, 1, 1, 2, 2, 3 )
visit <- c( 0, 1, 2, 0, 1, 2, 0, 1, 0 )
data.value <- c( 32, 35, 38, 12, 18, 24, 9, 13, 21 )
data.from.study <- data.frame( subject.id, visit, data.value )

data.from.study %>% group_by(subject.id) %>%
  filter(n() == 3)

将有输出：

Source: local data frame [6 x 3]
Groups: subject.id

  subject.id visit data.value
1          0     0         32
2          0     1         35
3          0     2         38
4          1     0         12
5          1     1         18
6          1     2         24

【讨论】：

或者使用base R: indx <- with(data.from.study, ave(subject.id, subject.id, FUN = length)) == 3 然后data.from.study[indx, ]

【解决方案2】：

既然你要求一个函数，这里是另一个基本的 R 解决方案：

measures <- function(visits) {
  patients <- df1$subject.id[df1$visit %in% visits]
  df1[df1$subject.id %in% patients,]
}

所以你可以这样做：

measures(1)
  subject.id visit data.value
1          0     0         32
2          0     1         35
3          0     2         38
4          1     0         12
5          1     1         18
6          1     2         24
7          2     0          9
8          2     1         13

#and

measures(2)
  subject.id visit data.value
1          0     0         32
2          0     1         35
3          0     2         38
4          1     0         12
5          1     1         18
6          1     2         24

注意：我使用df1 <- data.from.study将数据框的名称更改为更小的名称

【讨论】：