R 根据不同列（B）中的值向函数中插入条件（A列值）

这是我之前提出的一个问题（）的后续内容。在上下文中，我包含了一些相同的信息

我有一个包含许多列的大型数据框，但相关的列有：ID（分配给受试者的数字）、时间（受试者的测量时间）和浓度。一个非常简单的例子是：

df <- data.frame( ID=c(1,1,1,1,1,2,2,2,2,2,3,3,3,3,3),
                  Concentration=c("XXX",0.3,0.7,0.6,"XXX","XXX",0.8,0.3,"XXX","XXX",
                                  "XXX",0.6,0.1,0.1,"XXX"),
                  Time=c(1,2,3,4,5,1,2,3,4,5,1,2,3,4,5)) 

df timeX则第一个连续的“XXX”应替换为0.05，第二个连续的“XXX”（或以下所有“XXX”值，如果有更多）应替换为“缺失”


非常重要的是，ID在这里以某种方式分开，因为可能有“XXX”作为一个ID的最终浓度和下一个ID的第一个浓度，我不希望它被解读为单个ID的两个连续“XXX”值

当我们假设timeX=3时，我得到的解决方案是：

require（tidyverse）
df%
变异（浓度=字符（浓度），
浓度（原始=浓度）%>%
变异（浓度=ifelse（浓度='XXX'&时间%）
分组依据（ID）%>%
突变（浓度=ifelse（浓度='XXX'&浓度==铅（浓度）），
“0.05”，如果其他（浓度='XXX'，
“缺失”，浓度））%>%
替换_na（list（Concentration=“Missing”）%%>%ungroup（）

为了使代码更灵活，更重要的是，不需要用户手动检查时间截止点，然后手动插入，我一直在尝试使代码更自动化

我想代替时间以下是一些可能有用的想法/建议

首先，如果您希望查看
浓度的最大值
，我不希望此列为字符类型。相反，将使其为数字，并使用
NA
查找缺少的值。第一个
mutate
设置该值

分组后，您可以在不同情况下使用
mutate
和
case\u
。您可以通过以下方式访问最大浓度的
时间
：

Time[which(Concentration == max(Concentration, na.rm = TRUE))]

（删除缺少的值）

如果
浓度
缺失，且
时间
小于最大浓度的
时间
，则更改为0

在第二种情况下，如果
lead
（或后续行）也丢失，则更改为.05

否则，请勿更改浓度

根据进一步的分析和演示，您可以使用“缺失”作为缺失数据的文本标签

编辑：根据OP评论，似乎只有最长时间后的第一个“XXX”应替换为.05表示浓度，但该时间后的所有以下“XXX”均缺失。为此，添加：

!is.na(lag(Concentration, default = 0))

作为确定值是否应为.05的条件。逻辑是：如果前一行的值不是
NA
，但下一行的值是
NA
，则在最长时间后，更改为.05

以下是修改后的代码：

library(tidyverse)

df %>%
  mutate(Concentration = ifelse(Concentration == "XXX", NA_character_, Concentration),
         Concentration = as.numeric(Concentration)) %>%
  group_by(ID) %>%
  mutate(Concentration_New = case_when(
    is.na(Concentration) & Time < first(Time[which(Concentration == max(Concentration, na.rm = TRUE))]) ~ 0,
    is.na(Concentration) & Time > last(Time[which(Concentration == max(Concentration, na.rm = TRUE))]) & 
      is.na(lead(Concentration, default = 0)) & !is.na(lag(Concentration, default = 0)) ~ .05,
    TRUE ~ Concentration
  ))

库（tidyverse）
df%>%
突变（浓度=ifelse（浓度=“XXX”，NA_字符，浓度），
浓度=数值（浓度））%>%
分组依据（ID）%>%
突变（浓度新=情况）(
is.na（浓度）和时间<第一次（时间[其中（浓度==max（浓度，na.rm=TRUE）））~0，
is.na（浓度）&Time>last（时间[其中（浓度==max（浓度，na.rm=TRUE）））&
is.na（超前（浓度，默认值=0））和is.na（滞后（浓度，默认值=0））~.05，
真浓度
))

输出

      ID Concentration  Time Concentration_New
   <dbl>         <dbl> <dbl>             <dbl>
 1     1          NA       1              0   
 2     1           0.3     2              0.3 
 3     1           0.7     3              0.7 
 4     1           0.6     4              0.6 
 5     1          NA       5             NA   
 6     2          NA       1              0   
 7     2           0.8     2              0.8 
 8     2           0.3     3              0.3 
 9     2          NA       4              0.05
10     2          NA       5             NA   
11     3          NA       1              0   
12     3           0.6     2              0.6 
13     3           0.1     3              0.1 
14     3           0.1     4              0.1 
15     3          NA       5             NA   

ID浓度时间浓度\u新
11NA 10
2     1           0.3     2              0.3 
3     1           0.7     3              0.7 
4     1           0.6     4              0.6 
51NA 5NA
6 2 NA 10
7     2           0.8     2              0.8 
8     2           0.3     3              0.3 
9 2 NA 4 0.05
10 2 NA 5 NA
11 3 NA 10
12     3           0.6     2              0.6 
13     3           0.1     3              0.1 
14     3           0.1     4              0.1 
15 3 NA 5 NA

      ID Concentration  Time Concentration_New
   <dbl>         <dbl> <dbl>             <dbl>
 1     1          NA       1              0   
 2     1           0.3     2              0.3 
 3     1           0.7     3              0.7 
 4     1           0.6     4              0.6 
 5     1          NA       5             NA   
 6     2          NA       1              0   
 7     2           0.8     2              0.8 
 8     2           0.3     3              0.3 
 9     2          NA       4              0.05
10     2          NA       5             NA   
11     3          NA       1              0   
12     3           0.6     2              0.6 
13     3           0.1     3              0.1 
14     3           0.1     4              0.1 
15     3          NA       5             NA