在 R 中查找最后一次疾病事件的结束日期答案

【问题标题】：Finding end-date of last sickness incident in R在 R 中查找最后一次疾病事件的结束日期
【发布时间】：2021-08-15 18:23:48
【问题描述】：

我有一个文件记录某人何时生病以及何时康复。有些记录有几起疾病事件，我试图在每一行添加一个新列，即“上次疾病结束的日期”（如果不适用，则为“记录开始的日期”）。有 10,000 条记录，可能有 10 多起疾病事件。但在最简单的例子中，我试图从这个出发：

| ID      | RecordBegins | SickStartDate | SickEndDate |

| person1 | 1990-01-01 | 2017-03-04 | 2017-07-01 |

| person1 | 1990-01-01 | 2018-11-01 | 2019-02-04 |

到这里：


| ID      | RecordBegins | SickStartDate | SickEndDate | EndLastSick

| person1 | 1990-01-01 | 2017-03-04 | 2017-07-01 | 1990-01-01

| person1 | 1990-01-01 | 2018-11-01 | 2019-02-04 | 2017-07-01

我是 R 新手，并且是自学成才的。我一直试图留在 tidyverse 世界中，但对其他方法持开放态度。

当数据集中只有一个独特的人时，我可以使用下面的代码编写我想要的代码。当我将数据集扩展到多个人时，我尝试使用 group_by() 对其进行扩展，但我想不出一种使它起作用的方法。

sick <-tribble(
  ~ID, ~RecordBegins, ~SickStartDate, ~SickEndDate,
  "person1", as.Date("1990-01-01"), as.Date("2017-03-04"), as.Date("2017-07-01"),
  "person1", as.Date("1990-01-01"), as.Date("2018-11-01"), as.Date("2019-02-04"),
)

var1 <- sick$SickEndDate %>% sort(decreasing = TRUE) # place date of last sick at position [1]
var1[1] = sick$`RecordBegins`[1] # replace date of last sick with record start date
var1 <- sort(var1) # re-sort so in date order
sick <- mutate(sick, startExposure = var1)

但是，这感觉很笨拙，当扩展到多人时，我想不出一种方法让它发挥作用，例如：

sick <-tribble(
  ~ID, ~RecordBegins, ~SickStartDate, ~SickEndDate,
  "person1", as.Date("1990-01-01"), as.Date("2017-03-04"), as.Date("2017-07-01"),
  "person1", as.Date("1990-01-01"), as.Date("2018-11-01"), as.Date("2019-02-04"),
  "person2", as.Date("1995-01-01"), as.Date("2014-10-07"), as.Date("2017-01-04"),
  "person2", as.Date("1995-01-01"), as.Date("2017-11-01"), as.Date("2017-11-23"),
)

【问题讨论】：

标签： r dplyr

【解决方案1】：

如果我对您的问题的解释正确，您可以按ID 分组，并使用lag！

library(dplyr)

sick %>%
    arrange(ID, SickStartDate) %>%
    group_by(ID) %>%
    mutate(EndLastSick = case_when(
        # if this is the first record for this person, use RecordBegins
        is.na(lag(SickEndDate)) ~ RecordBegins,
        # otherwise, get the most recent SicKEndDate
        TRUE ~ lag(SickEndDate)
    ))

## A tibble: 4 x 5
## Groups:   ID [2]
#  ID      RecordBegins SickStartDate SickEndDate EndLastSick
#  <chr>   <date>       <date>        <date>      <date>     
#1 person1 1990-01-01   2017-03-04    2017-07-01  1990-01-01 
#2 person1 1990-01-01   2018-11-01    2019-02-04  2017-07-01 
#3 person2 1995-01-01   2014-10-07    2017-01-04  1995-01-01 
#4 person2 1995-01-01   2017-11-01    2017-11-23  2017-01-04

数据：

sick <-tribble(
  ~ID, ~RecordBegins, ~SickStartDate, ~SickEndDate,
  "person1", as.Date("1990-01-01"), as.Date("2017-03-04"), as.Date("2017-07-01"),
  "person1", as.Date("1990-01-01"), as.Date("2018-11-01"), as.Date("2019-02-04"),
  "person2", as.Date("1995-01-01"), as.Date("2014-10-07"), as.Date("2017-01-04"),
  "person2", as.Date("1995-01-01"), as.Date("2017-11-01"), as.Date("2017-11-23"),
)

【讨论】：

谢谢@heds1。我以前没有遇到过lag - 正是我需要的。

【解决方案2】：

这类似于@heds1 的答案，但仅使用lag 函数。

library(dplyr)

sick %>%
  arrange(ID, SickStartDate, SickEndDate) %>%
  group_by(ID) %>%
  mutate(EndLastSick = lag(SickEndDate, default = first(RecordBegins))) %>%
  ungroup

#   ID    RecordBegins SickStartDate SickEndDate EndLastSick
#  <chr>   <date>       <date>        <date>      <date>     
#1 person1 1990-01-01   2017-03-04    2017-07-01  1990-01-01 
#2 person1 1990-01-01   2018-11-01    2019-02-04  2017-07-01 
#3 person2 1995-01-01   2014-10-07    2017-01-04  1995-01-01 
#4 person2 1995-01-01   2017-11-01    2017-11-23  2017-01-04

【讨论】：

谢谢@shahronak47。这是完美的，非常简洁。 first() 函数在这里做什么？我已经阅读了 dplyr 文档，并且可以看到它是 [[.我已经尝试过使用和不使用 first() 函数的上述代码。如果没有 first() 函数，我会收到错误消息 "x default must be size 1, not size 2"，我不明白：is not the RecordBegins element length 1 ?
因为我们已经按ID 分组，所以RecordBegins 向量（以及所有其他变量）的长度将等于每个ID 组重复的ID 值的数量@ 组.所以因为有两个person1s，RecordBegins 是一个长度为 2 的向量（对应于那个 ID 的 RecordBegins 行）。所以无论如何，default 需要是单个值，这就是 Ronak 使用 first 的原因（以获取 RecordBegins 的第一个值）。
谢谢@heds1