Question

我有一个数据集如下

Id    BMI    Date        Case   CaseDate 
1331  28.2   2012-05-15  No     NA
1331  26.4   2011-04-06  No     NA
1331  29.37  2014-04-01  No     NA
5074  30.02  2009-10-23  Yes    2014-08-06
5074  25.12  2011-07-15  Yes    2014-08-06

我想做的是如下

1）对于Case=No的ID，选择最接近当前日期(Sys.Date ())的BMI并将此值存储在新列（New_BMI）

2）对于Case=Yes的ID，选择最接近CaseDate列中日期的BMI并将此值存储在新列（New_BMI）

最终输出应如下所示。

Id    BMI    Date        Case   CaseDate     New_BMI
1331  28.2   2012-05-15  No     NA           29.37
1331  26.4   2011-04-06  No     NA           29.37
1331  29.37  2014-04-01  No     NA           29.37
5074  30.02  2009-10-23  Yes    2014-08-06   25.12
5074  25.12  2011-07-15  Yes    2014-08-06   25.12

Id 1331的New_BMI值为29.37，因为这是最接近当前日期的值。 Id 5074的New_BMI值为25.12，因为这是最接近CaseDate的值（2014-08-06）。

有关如何计算此New_BMI的任何帮助都非常感谢大家。

Answer 1

首先确保你有Date类对象。

df$Date <- as.Date(df$Date)
df$CaseDate <- as.Date(df$CaseDate)

然后使用dplyr，一种方法是按ID分组并测试条件。主函数调用是BMI[which.min(Sys.Date() - Date)]。这会将BMI列设置为当前日期与Date列之间的最小长度。 CaseDate也是如此。

library(dplyr)
df %>% 
  group_by(Id) %>% 
  mutate(New_BMI = ifelse(Case == "No", BMI[which.min(Sys.Date() - Date)], 
                                        BMI[which.min(CaseDate - Date)]))
# Source: local data frame [5 x 6]
# Groups: Id [2]
# 
#      Id   BMI       Date   Case   CaseDate New_BMI
#   (int) (dbl)     (date) (fctr)     (date)   (dbl)
# 1  1331 28.20 2012-05-15     No       <NA>   29.37
# 2  1331 26.40 2011-04-06     No       <NA>   29.37
# 3  1331 29.37 2014-04-01     No       <NA>   29.37
# 4  5074 30.02 2009-10-23    Yes 2014-08-06   25.12
# 5  5074 25.12 2011-07-15    Yes 2014-08-06   25.12

数据

df <- structure(list(Id = c(1331L, 1331L, 1331L, 5074L, 5074L), BMI = c(28.2, 26.4, 29.37, 30.02, 25.12), Date = structure(c(4L, 2L, 5L, 1L, 3L), .Label = c("2009-10-23", "2011-04-06", "2011-07-15", "2012-05-15", "2014-04-01"), class = "factor"), Case = structure(c(1L, 1L, 1L, 2L, 2L), .Label = c("No", "Yes"), class = "factor"), CaseDate = structure(c(NA, NA, NA, 1L, 1L), .Label = "2014-08-06", class = "factor")), .Names = c("Id", "BMI", "Date", "Case", "CaseDate"), class = "data.frame", row.names = c(NA, -5L))

根据最长日期和最近日期

1 个答案: