仅当后续值与特定值匹配时才回填列中的 NA

Question

我有一些纵向患者数据，其中有一列描述患者当前或曾经是吸烟者。如果患者后来被登记为从未吸烟过，我只想回填缺失值。我不能简单地使用 tiydr::fill，因为它不允许对值进行歧视。 鉴于下面的示例，我希望将

id==1

的 ´NA´ 替换为

never_smoker

，而

id==2

应保持不变，因为我们无法准确推断患者何时开始吸烟。

df <- tibble::tribble(
  ~id, ~visit, ~smoking,
  1, 1, NA,
  1, 2, NA,
  1, 3, "never_smoker",
  2, 1, NA,
  2, 2, NA,
  2, 3, "current_smoker"
)

应该导致

expected_result <- tibble::tribble(
  ~id, ~visit, ~smoking,
  1, 1, "never_smoker",
  1, 2, "never_smoker",
  1, 3, "never_smoker",
  2, 1, NA,
  2, 2, NA,
  2, 3, "current_smoker"
)

我想出了这个解决方案，似乎可行，但需要将色谱柱反转两次。我希望一定有更好的方法来做到这一点？

df %>%
    group_by(id) %>%
    mutate(smoking = rev(accumulate(rev(smoking), ~ ifelse(is.na(.y) & .x == "never_smoker", "never_smoker", .y))))

Answer 1

!(smoking != 'never_smoker' | is.na(smoking))

，那么如果条目是“从不吸烟”，您将获得

TRUE

，否则您将获得

FALSE

。如果反转这个向量并进行累积和，然后反转

that

结果以将其放回原始顺序，那么“从不吸烟”期间或之前出现的任何值都将大于 0。这允许简单的 ifelse如果条目为正，则将

smoking

列标记为“从不吸烟者”，否则保持原样。

library(dplyr)

df %>%
  mutate(smoking = ifelse(rev(cumsum(
    rev(!(smoking != 'never_smoker' | is.na(smoking))))) > 0, 
    'never smoker', smoking), .by = 'id')
#> # A tibble: 6 x 3
#>      id visit smoking       
#>   <dbl> <dbl> <chr>         
#> 1     1     1 never smoker  
#> 2     1     2 never smoker  
#> 3     1     3 never smoker  
#> 4     2     1 NA            
#> 5     2     2 NA            
#> 6     2     3 current_smoker

Answer 2

which.max()

来识别是否/何时

"never_smoker"

发生：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(smoking = if_else(
    row_number() < which.max(!is.na(smoking) & smoking == "never_smoker"), 
    "never_smoker", 
    smoking
  ))

结果：

# A tibble: 6 × 3
# Groups:   id [2]
     id visit smoking       
  <dbl> <dbl> <chr>         
1     1     1 never_smoker  
2     1     2 never_smoker  
3     1     3 never_smoker  
4     2     1 <NA>          
5     2     2 <NA>          
6     2     3 current_smoker