【发布时间】：2016-04-21 23:07:58
【问题描述】：
我有大量数据，其中包含许多人的病理学测试数据。我提供了一个按比例缩小的数据集来描述案例的类型。
library(plyr)
library(tidyr)
library(dplyr)
library(lubridate)
options(stringsAsFactors = FALSE)
dat <- structure(list(PersID = c("am1", "am2", "am2", "am3", "am3", "am4", "am4", "am4", "am4", "am4", "am4"), Sex = c("M", "F","F", "M", "M", "F", "F", "F", "F", "F", "F"), DateTested = c("21/10/2015", "9/07/2010", "24/09/2010", "23/10/2013", "25/10/2013", "28/04/2010", "23/06/2010", "21/07/2010", "20/10/2010", "4/03/2011", "2/12/2011"), Res = c("NR", "R", "R", "NR", "R", "R", "R", "R", "R", "R", "R"), Status = c("Yes", "No", "No", "Yes", "Yes", "No", "No", "No", "No", "No", "No"), DateOrder = c(1L, 1L, 2L, 1L, 2L, 1L, 2L, 3L, 4L, 5L, 6L)), .Names = c("PersID", "Sex", "DateTested", "Res", "Status", "DateOrder"), class = "data.frame", row.names = c(NA, -11L))
数据描述了三种类型的人（1）只有一个结果的人（2）有 2 个结果的人，以及（3）有很多结果的人。
我的目标是提出一个脚本，该脚本仅根据一组标准包含个人行。从技术上讲，这是一种仅在其后续结果在指定的再感染期（30 天）内计算个人行数的方法。
我已将我的数据转换为一个列表，并向它传递了一些函数以开始处理数据。
dat$DateTested <- dmy(dat$DateTested)
datList <- dlply(.data=dat, .variables=c('PersID'))
到目前为止我所做的是：
选择每个人只有一个结果的所有行
fnSingleTests <- function(y){
y <- y[length(y$DateOrder)==1,]
}
singleTests <- ldply(datList, fnSingleTests, .id = NULL)
将数据框转换为列表并传递一个函数 确定 (a) 在 30 天内每人是否有两行 再感染期，则选择第一个，并且（b）如果有 每人超过两行，最后一条记录和第一条记录 记录在 30 天内，只保留第一个。
fnMultiTests <- function(y){
y <- y[length(y$DateOrder) > 1,]
}
multiTests <- llply(datList, fnMultiTests)
fnMultiTestsSplit <- function(y){
test <- difftime(y$DateTested[length(y$DateTested)], y$DateTested[1], units='days')
if (nrow(y) <=2){
if (test < 31){
y <- y[y$DateOrder == 1, ]
y <- y[!is.na(y$PerdID), ]
} else {
y <- y[y$DateOrder %in% 1:2, ]
y <- y[!is.na(y$PersID), ]
}
} else {
if (test < 31){
y <- y[y$DateOrder == 1, ]
y <- y[!is.na(y$PersID), ]
} else {
break()
}
}
}
finalTests <- ldply(multiTests, failwith(NULL, fnMultiTestsSplit, quiet = TRUE), .id = NULL)
然后我可以用 rbind 组合数据帧：
allFinalTests <- rbind(singleTests, finalTests)
我被卡住的地方是每人有两排以上的情况，在连续的几排中，可能会有一段时间超过 30 天的再感染期的情况。
谁能建议我如何扩展此代码以仅包含两个以上PersID 的情况，然后仅包含在 30 天再感染期之外发生后续病例的结果。
具体来说，从最早的案例开始，如果下一个案例在 30 天内，则排除第二个案例，或者如果第二个案例距离上一个案例超过 30 天，则包括两个案例。对于相同的PersID
在这个例子中，我正在寻找的最终输出是：
PersID Sex DateTested Res Status DateOrder
am1 M 21/10/2015 NR Yes 1
am2 F 9/07/2010 R No 1
am2 F 24/09/2010 R No 2
am3 M 23/10/2013 NR Yes 1
am4 F 28/04/2010 R No 1
am4 F 23/06/2010 R No 2
am4 F 20/10/2010 R No 4
am4 F 4/03/2011 R No 5
am4 F 2/12/2011 R No 6
【问题讨论】：