我正在处理R中应用于动物的治疗方法的一些信息。首先，我想描述一下我的信息结构（我最后会添加dput()版本）。我的数据是DF，看起来像这样：
Treatment_ID Start_Date Valid
1 0031 2011-05-01 2011-05-30
2 0031 2011-05-01 2011-06-30
3 0045 2012-02-01 2012-03-01
4 0057 2012-04-01 2012-04-30
5 0057 2012-04-01 2012-05-30
6 0098 2012-10-01 2012-10-30
它有56行和3个变量Treatment_ID（5种治疗类型），Start_Date（治疗开始日期）和Valid（治疗的最终日期）。例如，Treatment_ID 0031有两个观察结果，因为它始于2011年5月并于2011年6月结束。然后，新的治疗0045于2012年2月开始并于2012年3月结束（仅一次观察） ）。相同的结构适用于DF内的所有组。我需要使用某些条件计算每次治疗之间和每次治疗之后的月份差异。我将使用前两种方法来证明这一点：
Treatment_ID Start_Date Valid
1 0031 2011-05-01 2011-05-30
2 0031 2011-05-01 2011-06-30
3 0045 2012-02-01 2012-03-01
4 0057 2012-04-01 2012-04-30
对于这个例子，我有两行用于Treatment_Id变量相等的第一次处理。发生这种情况时，必须计算变量Valid的月份差异。当出现新的治疗方法时，必须计算Start_Date和Valid之间的差异。请注意，当治疗有多个观察时，通过对该组中的观察使用Valid变量获得差异，但当Treatment_Id发生变化时，必须使用Start_Date获得差异和Valid变量。要获得此变量Break_Months，我使用了下一个结构：
DF$Break_Months=NA
for(i in c(2:(length(DF$Break_Months))))
{
DF$Break_Months[i]=ifelse(DF$Treatment_ID[i]==DF$Treatment_ID[i-1],round(as.numeric(DF$Valid[i]-DF$Valid[i-1])/30,0),
round(as.numeric(DF$Start_Date[i]-DF$Valid[i-1])/30,0))
}
当for相等时，此Treatment_Id计算实际行与上一行Valid变量之间的差异，当它们不同时，使用Start_Date计算差异和Valid。 Break_Months的第一个值是NA，因为没有先前要比较的值。当我使用前面的代码行时，问题出现在DF的末尾。
Treatment_ID Start_Date Valid Break_Months
47 0098 2012-10-01 2016-07-30 1
48 0098 2012-10-01 2016-08-31 1
49 0031 2016-09-01 2016-09-30 0
50 0031 2016-09-01 2016-10-30 1
51 0031 2016-09-01 2016-11-30 1
52 0031 2016-09-01 2016-12-30 1
53 0031 2016-09-01 2017-01-30 1
54 0031 2016-09-01 2017-03-02 1
55 0031 2016-09-01 2017-03-30 1
56 0012 2017-03-01 2017-03-30 -1
Treatment_Id 0012只有一个观察值，因为它是新的，Valid日期与上次观察治疗0031的日期相同。由于Treatment_Id 0031已在其他月份使用，因此根据治疗中的先前观察计算差异。在0012的情况下，这是不可能的，因为此Valid日期与0031和0012的最后一次观察没有更多观察结果相同，因为它是新。当发生这种情况时，必须对0031之前的组的最后一次观察进行比较，这是0098。通过使用由0012引起的概念不等于0098，Break_Months由2017-03-01（Start_Date）和2016-08-31之间的差异计算得出（Valid）由6结构中的相同机制而不是for给出-1的值。
我的问题与如何将这种考虑纳入for有关。尝试这样做非常复杂，因为我不知道如何整合与日期相关的比较（如果它们与示例相同）并在包含相同日期的组之前查找前一组。我尝试使用lag包中的dplyr函数来避免for，但结果并不相同。 dput()的{{1}}版本是下一个：
DF感谢您的帮助。
更新
其中一个解决方案非常完美。现在，当我必须计算类似的变量时，我有一点问题。首先，我计算变量DF<-structure(list(Treatment_ID = c("0031", "0031", "0045", "0057",
"0057", "0098", "0098", "0098", "0098", "0098", "0098", "0098",
"0098", "0098", "0098", "0098", "0098", "0098", "0098", "0098",
"0098", "0098", "0098", "0098", "0098", "0098", "0098", "0098",
"0098", "0098", "0098", "0098", "0098", "0098", "0098", "0098",
"0098", "0098", "0098", "0098", "0098", "0098", "0098", "0098",
"0098", "0098", "0098", "0098", "0031", "0031", "0031", "0031",
"0031", "0031", "0031", "0012"), Start_Date = structure(c(1304208000,
1304208000, 1328054400, 1333238400, 1333238400, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1349049600,
1349049600, 1349049600, 1349049600, 1349049600, 1349049600, 1472688000,
1472688000, 1472688000, 1472688000, 1472688000, 1472688000, 1472688000,
1488326400), class = c("POSIXct", "POSIXt"), tzone = "UTC"),
Valid = structure(c(1306713600, 1309392000, 1330560000, 1335744000,
1338336000, 1351555200, 1354233600, 1356825600, 1359504000,
1362182400, 1364601600, 1367280000, 1369872000, 1372550400,
1375142400, 1377820800, 1380499200, 1383091200, 1385769600,
1388361600, 1391040000, 1393718400, 1396137600, 1398816000,
1401408000, 1404086400, 1412035200, 1414627200, 1417305600,
1419897600, 1422576000, 1425254400, 1427673600, 1432944000,
1435622400, 1440892800, 1443571200, 1446163200, 1448841600,
1451433600, 1454112000, 1456790400, 1459296000, 1461974400,
1464566400, 1467244800, 1469836800, 1472601600, 1475193600,
1477785600, 1480464000, 1483056000, 1485734400, 1488412800,
1490832000, 1490832000), class = c("POSIXct", "POSIXt"), tzone = "UTC")), .Names = c("Treatment_ID",
"Start_Date", "Valid"), row.names = c(NA, -56L), class = "data.frame")
，它是Elapsed和Valid之间的差异。我使用下一个代码：
Start_Date然后，出现了这种困境。我必须计算接下来的两个变量DF$Elapsed=round(as.numeric(DF$Valid-DF$Start_Date)/30,0)
和Last1。我使用下一个代码：
Last2代码工作特别，因为我有一个与变量#Compute Last1
DF$Last1=NA
DF$Last1[1]=0
for(j in c(2:length(DF$Last1)))
{
DF$Last1[j]=ifelse(DF$Treatment_ID[j]==DF$Treatment_ID[j-1],DF$Last1[j-1],
ifelse(DF$Treatment_ID[j]!=DF$Treatment_ID[j-1],DF$Elapsed[j-1],0))
}
相关的类似问题。在这种情况下，因为Break_Months和0031具有相同的0012值，所以Valid的比较不能与Treatment_Id的最后一个值进行比较，其中7被指定由于循环的逻辑（变量0031）。在这种情况下，正确的值是48，因为必须使用组Elapsed的最后一次观察来构建比较，然后我们得到48.我试图用0098进行修改但是我无法得到正确的结果
last_obs_index对于变量 Treatment_ID Start_Date Valid Break_Months Elapsed Last1
47 0098 2012-10-01 2016-07-30 1 47 2
48 0098 2012-10-01 2016-08-31 1 48 2
49 0031 2016-09-01 2016-09-30 0 1 48
50 0031 2016-09-01 2016-10-30 1 2 48
51 0031 2016-09-01 2016-11-30 1 3 48
52 0031 2016-09-01 2016-12-30 1 4 48
53 0031 2016-09-01 2017-01-30 1 5 48
54 0031 2016-09-01 2017-03-02 1 6 48
55 0031 2016-09-01 2017-03-30 1 7 48
56 0012 2017-03-01 2017-03-30 6 1 7
，我使用下一个代码：
Last2在这种情况下似乎有效，但事实并非如此。尽管6是正确的，但是比较没有很好地定义，因为#Compute Last2
DF$Last2=NA
DF$Last2[1]=0
for(k in c(2:length(DF$Last2)))
{
DF$Last2[k]=ifelse(DF$Treatment_ID[k]==DF$Treatment_ID[k-1],DF$Last2[k-1],
ifelse(DF$Treatment_ID[k]!=DF$Treatment_ID[k-1],DF$Break_Months[k],0))
}
和0012具有相同的0031日期，并且最佳比较是使用Valid的最后一次观察因此，0098的值已分配。我再次无法使用Break_Months定义的适当逻辑来修复循环。
last_obs_index感谢这次的所有帮助，是否有可能获得有关如何调整循环以便以正确的方式进行比较的建议。
答案 0 :(得分：3)
这是一种利用一些额外的dplyr函数的方法，例如lag和if_else。它计算出比较日期（保存在这里以进行健全性检查），从中减去前一个有效日期，然后转换为＆＃34;月＆＃34; （30天）。
library(dplyr)
mutate(DF,
comparison_date = if_else(Treatment_ID == lag(Treatment_ID), Valid, Start_Date),
Break_Months = difftime(comparison_date, lag(Valid), units = "days"),
Break_Months = as.numeric(round(Break_Months / 30)))
#> Treatment_ID Start_Date Valid comparison_date Break_Months
#> 1 0031 2011-05-01 2011-05-30 <NA> NA
#> 2 0031 2011-05-01 2011-06-30 2011-06-30 1
#> 3 0045 2012-02-01 2012-03-01 2012-02-01 7
#> 4 0057 2012-04-01 2012-04-30 2012-04-01 1
#> 5 0057 2012-04-01 2012-05-30 2012-05-30 1
#> 6 0098 2012-10-01 2012-10-30 2012-10-01 4
#> 7 0098 2012-10-01 2012-11-30 2012-11-30 1
#> 8 0098 2012-10-01 2012-12-30 2012-12-30 1
#> 9 0098 2012-10-01 2013-01-30 2013-01-30 1
#> 10 0098 2012-10-01 2013-03-02 2013-03-02 1
...
答案 1 :(得分：0)
要在for循环中执行此操作，当Treatment_ID的值与之前的观察值不同时，您需要为计算添加其他条件。
如果Treatment_ID的值与之前的观察值不同，请计算此观察值的Start_Date与最近观察到的最新值Valid之间的差值Treatment_ID，Valid的最后一个值也不同。
要执行此操作，您需要知道DF的索引，其中Treatment_ID的值会发生变化，而Valid的值会发生变化。您需要Lag
Hmisc功能
library(Hmisc)
new_obs_index <- which(DF$Treatment_ID != Lag(DF$Treatment_ID,1) & DF$Valid != Lag(DF$Valid))
这提供了新观察开始的位置的索引，我们实际上想要在此之前的最后Treatment_ID的最后一次观察的索引。
last_obs_index <- new_obs_index - 1
这些符合Valid的值的索引符合Treatment_ID的上次观察标准，以便Valid的值也会在下一次观察中发生变化。
然后在for循环中，当Treatment_ID的值发生变化时，减去Start与满足我们条件的Valid的最新值之间的差异。我们通过指定我们想要
DF$Valid[last_obs_index[max(which(last_obs_index < i))]]
所以for循环如下所示：
for(i in c(2:(length(DF$Break_Months)))){
DF$Break_Months[i]=ifelse(DF$Treatment_ID[i]==DF$Treatment_ID[i-1],
round(as.numeric(DF$Valid[i]-DF$Valid[i-1])/30,0),round(as.numeric(DF$Start_Date[i]-DF$Valid[last_obs_index[max(which(last_obs_index < i))]])/30,0))
}
这在DF的最后一次观察中给出了期望的结果。
Treatment_ID Start_Date Valid Break_Months
51 0031 2016-09-01 2016-11-30 1
52 0031 2016-09-01 2016-12-30 1
53 0031 2016-09-01 2017-01-30 1
54 0031 2016-09-01 2017-03-02 1
55 0031 2016-09-01 2017-03-30 1
56 0012 2017-03-01 2017-03-30 6
总而言之，实现的必要代码是
library(Hmisc)
new_obs_index <- which(DF$Treatment_ID != Lag(DF$Treatment_ID,1) & DF$Valid != Lag(DF$Valid))
last_obs_index <- new_obs_index - 1
for(i in c(2:(length(DF$Break_Months)))){
DF$Break_Months[i]=ifelse(DF$Treatment_ID[i]==DF$Treatment_ID[i-1],round(as.numeric(DF$Valid[i]-DF$Valid[i-1])/30,0),round(as.numeric(DF$Start_Date[i]-DF$Valid[last_obs_index[max(which(last_obs_index < i))]])/30,0))
}
<强>更新
对于变量Last1，您可以使用以下语法使用向量last_obs_index访问所需的值：
for(j in c(2:length(DF$Last1))){
DF$Last1[j]=ifelse(DF$Treatment_ID[j]==DF$Treatment_ID[j-1],DF$Last1[j-1],ifelse(DF$Treatment_ID[j]!=DF$Treatment_ID[j-1],DF$Elapsed[last_obs_index[max(which(last_obs_index < i))]],0))}
对于变量Last2如果我理解正确，我认为您的实现将始终给出您想要的答案。我认为新的处理值足以使用Break_Months的值，并且您也不需要使用不同的Valid值来使用它。