Question

这可能非常复杂，我怀疑需要先进的知识。我现在有两种不同类型的data.frames需要合并：

数据：

Dataframe A：

按患者ID列出所有输血日期。每次输血都由一个单独的行代表，患者可以进行多次输血。不同的患者可以在同一天进行输血。

Patient ID Transfusion.Date
1          01/01/2000
1          01/30/2000
2          04/01/2003
3          04/01/2003

B类数据框包含其他日期的测试结果，也包括患者ID：

Patient ID  Test.Date   Test.Value
1           11/30/1999   negative
1           01/15/2000   700 copies/uL
1           01/27/2000   900 copies/uL
2           03/30/2003   negative

我想要的是具有相同行数的Dataframe A（每次输入为1），并将最新的Test.Value作为单独的列。每个输血日期应该具有与输血最密切（之前）进行的测试的测试结果。

期望的输出：

- ＆GT;

Patient ID Transfusion.Date Pre.Transfusion.Test
1          01/01/2000       negative
1          01/30/2000       900 copies/ul
2          04/01/2003       negative
3          04/01/2003       NA

我认为一般策略是按患者ID对data.frames进行子集化。然后获取患者1的所有输血日期，检查哪个结果最接近每个元素的所有可用test_dates，然后返回最接近的值。

如何解释R来做到这一点？

编辑1 ：以下是这些示例的R代码

df_A <- data.frame(MRN = c(1,1,2,3), 
                   Transfusion.Date = as.Date(c('01/01/2000', '01/30/2000', 
                   '04/01/2003','04/01/2003'),'%m/%d/%Y')) 

df_B <- data.frame(MRN = c(1,1,1,2), 
                   Test.Date = as.Date(c('11/30/1999', '01/15/2000', '01/27/2000', 
                   '03/30/2003'),'%m/%d/%Y'), Test.Result = c('negative', 
                   '700 copies/ul','900 copies/ul','negative'))

编辑2：

为了澄清，结果数据应为：患者A在第X天和第Y天接受输血（对于df_A）。在第X天输血之前，他最近的测试结果是X（最接近第一次输血的测试日期，在df_B中）。在第Y天输血之前，他最近的测试结果是Y（第二次输血之前，也是df_B。df_B还包含一堆其他测试日期，最终输出不需要。

Answer 1

在这里使用data.table的滚动连接：

require(data.table)
setkey(setDT(df_A), MRN, Transfusion.Date)
setkey(setDT(df_B), MRN, Test.Date)

df_B[df_A, roll=TRUE]
#    MRN  Test.Date   Test.Result
# 1:   1 2000-01-01      negative
# 2:   1 2000-01-30 900 copies/ul
# 3:   2 2003-04-01      negative
# 4:   3 2003-04-01            NA

setDT通过引用将data.frame转换为data.table（无需任何额外复制）。这会导致df_A和df_B现在成为data.tables。
setkey按我们提供的列对data.table进行排序，并将标记这些列作为关键列，这样我们就可以使用二进制搜索< / em>基于联接。

我们在关键列上执行x[i]表单的连接，i的每一行，x的匹配行（如果有的话，其他NA）与i的行一起返回。这就是我们所说的 equi-join 。通过添加roll = TRUE，如果不匹配，最后一次观察将继续进行（LOCF）。这就是我们所说的滚动连接。按升序排序（由于setkey()）确保最后一次观察是最近的日期。

HTH

Answer 2

 dfLast <- df_B[ df_B$Test.Date %in% 
  as.Date( tapply(df_B$Test.Date, df_B$MRN, tail,1),"1970-01-01"), ]
 merge(df_A, dfLast, by=c(1:2,1:2) ,all.y=TRUE)
  MRN Transfusion.Date   Test.Result
1   1       2000-01-27 900 copies/ul
2   2       2003-03-30      negative

编辑。有一些逻辑错误和一些sytactic错误。 tapply返回日期的整数值，正如您所指出的那样，我在数据缩减步骤中使用了错误的列名。

Answer 3

好的，谢谢大家的帮助。我花了很多辛劳，血，汗和眼泪，但这是我提出的解决方案：

合并两个数据框：

df_AB＆lt; - merge（df_A，df_B，all.x = T）

df_AB:

  MRN Transfusion.Date  Test.Date   Test.Result
1   1       2000-01-01 1999-11-30      negative
2   1       2000-01-01 2000-01-15 700 copies/ul
3   1       2000-01-01 2000-01-27 900 copies/ul
4   1       2000-01-30 1999-11-30      negative
5   1       2000-01-30 2000-01-15 700 copies/ul
6   1       2000-01-30 2000-01-27 900 copies/ul
7   2       2003-04-01 2003-03-30      negative
8   3       2003-04-01       <NA>          <NA>

使用dplyr

df_tests <- df_AB %>% 
  group_by(MRN, Transfusion.Date) %>%
  mutate(Time.Difference = Transfusion.Date - Test.Date) %>%
  filter(Time.Difference > 0) %>%
  arrange(Time.Difference) %>%
  summarize(Test.Date = Test.Date[1], Test.Result = Test.Result[1])

df_tests:

  MRN Transfusion.Date  Test.Date Test.Result
1   1       2000-01-01 1999-11-30    negative
2   1       2000-01-30 1999-11-30    negative
3   2       2003-04-01 2003-03-30    negative

using merge again for MRN3:

df_desired <- merge(df_A, df_tests, all.x = T)

  MRN Transfusion.Date  Test.Date   Test.Result
1   1       2000-01-01 1999-11-30      negative
2   1       2000-01-30 2000-01-27 900 copies/ul
3   2       2003-04-01 2003-03-30      negative
4   3       2003-04-01       <NA>          <NA>

R：使用数据框A中的值从填充数据框B中的行之前的日期开始

3 个答案: