分组和总结有条件的日期范围方面 - dplyr？

Question

披露 - 这是我的第一个 SO 问题，如果这是一个重复的问题，我深表歉意，但我已经寻找了一段时间，还没有找到这个特定情况的答案

R 版本：3.4.2

我想要一种通过特定标识符对数据进行分组的有效方法，然后根据条件进行汇总 - 为每一行动态地进行汇总。具体来说，如果另一个实例在当前行的 1 年内，则按 ID 分组，然后总结另一个变量发生的实例数（紧急访问）。

以下是数据开始的示例：

更新为包含 2 个紧急案例的示例

library(lubridate)
   > dat <- data.frame("ID" = c(6,6,6,7,7,10,11,11,11),
                      "Admit_Dt" = as.Date(c('2013-08-12', '2013-12-12', '2016-01-03','2011-04-01', '2011-09-20','2012-02-19','2014-06-24','2014-08-12','2014-09-01')), 
                      "Urgent" = c(0,1,1,1,0,0,1,1,1)) 
   > dat

| ID | Admit_Dt   | Urgent|
|  6 | 2013-08-12 |      1| 
|  6 | 2013-12-12 |      0|
|  6 | 2016-01-03 |      1|
|  7 | 2011-04-01 |      1|
|  7 | 2011-09-20 |      0|
| 10 | 2012-02-19 |      0|
| 11 | 2014-06-24 |      1|
| 11 | 2014-08-12 |      1|
| 11 | 2014-09-01 |      1|

我想首先按 ID 分组，然后总结给定组的每个 Admit_Dt 一年内发生的紧急访问次数。

下面这个过于复杂的代码会产生我想要的东西，但是我正在使用的数据集非常大，而且效率很低。我很好奇是否有一种方法使用“dplyr”来实现我想要做的事情：

   > dat$Urgent_1yrSum <- unlist(sapply(1:length(unique(dat$ID)), function(i) {
    grouped <-  subset(dat, ID == unique(dat$ID)[i])
      output <- do.call(rbind, lapply(1:nrow(grouped), function(y){
    urgent_sum_1year <- sum(grouped[grouped$Admit_Dt < grouped$Admit_Dt[y] & grouped$Admit_Dt > (grouped$Admit_Dt[y] - dyears(1)), "Urgent"])
     }))
      return(output)
}
))

> dat
| ID | Admit_Dt   | Urgent| Urgent_1yrSum|
|  6 | 2013-08-12 |      1|          0|
|  6 | 2013-12-12 |      0|          1|
|  6 | 2016-01-03 |      1|          0|
|  7 | 2011-04-01 |      1|          0|
|  7 | 2011-09-20 |      0|          1|
| 10 | 2012-02-19 |      0|          0|
| 11 | 2014-06-24 |      1|          0|
| 11 | 2014-08-12 |      1|          1|
| 11 | 2014-09-01 |      1|          2|

感谢您的帮助！！

Answer 1

我无法让您的代码正常工作，所以我尝试看看能否让它正常工作。我首先内部加入以按 ID 获取所有日期组合。当您减去它们时，您可以使用过滤器查看在每个日期的一年内谁收到了访问，然后summarise。

dat <- data.frame("ID" = c(6,6,6,7,7,10,11,11),
                  "Admit_Dt" = c('2013-08-12', '2013-12-12', '2016-01-03','2011-04-01', '2011-09-20','2012-02-19','2014-06-24','2014-08-12'), 
                  "Urgent" = c(0,1,1,1,0,0,1,1),stringsAsFactors = FALSE)
library(dplyr)


dat2 <- inner_join(dat,select(dat,ID,Admit_Dt,Urgent),by = "ID") %>% 
        #Inner Join by ID to get every combo of dates
        #Subtract dates from eachother 
        mutate(datediff = as.Date(Admit_Dt.x) - as.Date(Admit_Dt.y),
               ID = ID) %>%
        #get dates that occured within one year of visit
        #for each date
        filter(datediff > 0 & datediff <= 365) %>% 
        #group by person
        group_by(ID,Admit_Dt.x) %>% 
        #count urgent visits
       mutate(urgent_visits = max(Urgent.x,Urgent.y,na.rm=TRUE)) %>% 
    summarise(vs = sum(urgent_visits))
#Join back on to df

dat3 <- left_join(dat,dat2,by = c("ID" = "ID", "Admit_Dt"="Admit_Dt.x"))

Answer 2

这是使用dplyr、列出列和purrr 的答案。我假设没有重复的 IDs 和 Admit_Dts 否则我很确定这不能正常工作。

dat <- data.frame("ID" = c(6,6,6,7,7,10,11,11),
           "Admit_Dt" = c('2013-08-12', '2013-12-12', '2016-01-03','2011-04-01', '2011-09-20','2012-02-19','2014-06-24','2014-08-12'), 
           "Urgent" = c(0,1,1,1,0,0,1,1), stringsAsFactors = F)


library(dplyr)
library(purrr)
library(lubridate)

isUrgentAndWithinYear <- function(urgent, date, date1){
     sum( urgent == 1 & abs(as.numeric(difftime(date, date1, units = "weeks"))) < 52)
} 

dat %>%
     mutate(Admit_Dt = ymd(Admit_Dt)) %>% 
     group_by(ID) %>%
     mutate(urgents = list(Urgent),
            admits = list(Admit_Dt)
            )%>% 
     group_by(ID, Admit_Dt) %>% 
     mutate(Urgent_1yrSum = map2_dbl(urgents, admits, ~ isUrgentAndWithinYear(.x, .y, Admit_Dt) )) %>% 
     mutate(Urgent_1yrSum = Urgent_1yrSum - Urgent) %>% 
     select(-urgents, -admits)