为每位患者寻找最接近的匹配时间答案

【问题标题】：Finding closest matching time for each patient为每位患者寻找最接近的匹配时间
【发布时间】：2017-02-01 14:54:41
【问题描述】：

我有两组数据：

第一组：

 patient<-c("A","A","B","B","C","C","C","C")
 arrival<-c("11:00","11:00","13:00","13:00","14:00","14:00","14:00","14:00")
 lastRow<-c("","Yes","","Yes","","","","Yes")

 data1<-data.frame(patient,arrival,lastRow)

另一组数据：

 patient<-c("A","A","A","A","B","B","B","C","C","C")
 availableSlot<-c("11:15","11:35","11:45","11:55","12:55","13:55","14:00","14:00","14:10","17:00")

 data2<-data.frame(patient, availableSlot)

我想向第一个数据集添加一列，这样对于每个患者的最后一行，它会显示可用的插槽，即最接近到达时间：

结果是：

  patient arrival lastRow availableSlot
       A   11:00        
       A   11:00     Yes     11:15
       B   13:00        
       B   13:00     Yes     12:55
       C   14:00        
       C   14:00        
       C   14:00        
       C   14:00     Yes     14:00

如果有人能告诉我如何在 R 中实现这一点，我将不胜感激。

【问题讨论】：

您可能需要先将包含小时数的列转换为日期类
所以这个？ merge(data1, data2[!duplicated(data2$patient),], by = 'patient') 假设您的 data2 由 arrival 订购
@Sotos 不，这只是幸运。 OP 说“最接近”，恰好与这里的第一个相吻合。
啊...我错过了最近的部分

标签： r dataframe time logic

【解决方案1】：

我会使用 data.table，首先通过转换为 ITime 并忽略冗余行进行清理：

library(data.table)
setDT(data1)[, arrival := as.ITime(as.character(arrival))]
setDT(data2)[, availableSlot := as.ITime(as.character(availableSlot))]
DT1 = unique(data1, by="patient", fromLast=TRUE)

然后你可以做一个“滚动连接”：

res = data2[DT1, on=.(patient, availableSlot = arrival), roll="nearest", 
  .(patient, availableSlot = x.availableSlot)]

#    patient availableSlot
# 1:       A      11:15:00
# 2:       B      12:55:00
# 3:       C      14:00:00

它是如何工作的

语法是x[i, on=, roll=, j]。

on= 是合并列。
这是一个连接：对于i 的每一行，我们都在x 中寻找匹配项。
使用roll="nearest"，on= 中的最后一列“滚动”到最接近的匹配项。
原始表中的on= 列可以用x.* 和i.* 前缀引用。
j 参数应该给出列列表，.() 是 list() 的别名。

在http://r-datatable.com/Getting-started 上查看包的介绍性材料，并输入?data.table 以获取与滚动连接相关的文档。

我会在res 停下来，但如果你真的想把它放回原来的桌子上......

# a very nonstandard step:
data1[lastRow == "Yes", availableSlot := res$availableSlot ]

#    patient  arrival lastRow availableSlot
# 1:       A 11:00:00                  <NA>
# 2:       A 11:00:00     Yes      11:15:00
# 3:       B 13:00:00                  <NA>
# 4:       B 13:00:00     Yes      12:55:00
# 5:       C 14:00:00                  <NA>
# 6:       C 14:00:00                  <NA>
# 7:       C 14:00:00                  <NA>
# 8:       C 14:00:00     Yes      14:00:00

现在，data1 在新列中添加了 availableSlot，类似于您使用 data1$col <- val 时的情况。

【讨论】：

精彩解释+1！
一如既往的好解释
非常感谢您的帮助。请问x.availableSlot中的x是什么？
@Headandtoes 当然。如果您通过键入?data.table 查看文档，您会看到语法为x[i, ...]，并且可以使用x.* 或i.* 表示法来引用正在连接的列（在on= 中）从各自的表中取出它们。这些很有用，因为 x.colname 和 i.colname 在像这样的滚动连接中可能会有所不同（以及其他一些特殊情况）。
@Headandtoes 是的，为此，您需要as.ITime(as.POSIXct("02Aug2016 11:15:00", format = "%d%b%Y %H:%M:%S")) 或者只是坚持使用 POSIXct 而不是提取时间。有关相关文档，请参阅?strptime。如果您不想过多地摆弄日期时间格式，您也可以尝试anytime 包，它似乎可以可靠地猜出相关的format。

【解决方案2】：

这是一个解决方案（基于joel.wilson's answer 对我的问题），它适用于基础R

#Convert dates to POSIXct format
data1$arrival = as.POSIXct(data1$arrival, format = "%H:%M")
data2$availableSlot = as.POSIXct(data2$availableSlot, format = "%H:%M")

#Lookup times from data2$availableSlot closest to data1$arrival
data1$availableSlot = sapply(data1$arrival, function(x)
                    data2$availableSlot[which.min(abs(x - data2$availableSlot))])

#Keep just hour and minutes
data1$availableSlot = strftime(as.POSIXct(data1$availableSlot, 
                                origin = "1970-01-01"), format = "%H:%M")
data1$arrival = strftime(as.POSIXct(data1$arrival), format = "%H:%M")

#Remove times when lastrow is empty
data1$availableSlot[which(data1$lastRow != "Yes")] = ""

【讨论】：