Question

我有一个这样的数据表

library(data.table)
cells <- c(100, 1, 1980, 1, 0, 1,1,0,1, 150, 1 , 1980, 1,1,1,0,0,0,99,1,1980,1,1,1,1,0,0,899,1,1980,0,1,0,1,1,1 )
colname <- c("number","sex", "birthy", "2004","2005", "2006", "2007", "2008", "2009")
rowname <- c("1","2","3","4")
y <- matrix(cells, nrow=4, ncol=9, byrow=TRUE, dimnames = list(rowname,colname))
y <- data.table(y, keep.rownames = TRUE)

2004列中的值1表示该人在2004年连续受保。之前3年的受保人可以成为研究的一部分。我需要此data.table的子集，其中包含满足以下条件的所有观察结果： 2004 + 2005 + 2006 = 3或2005 + 2006 + 2007 =或2006 + 2007 + ...

为解决这个问题，我编写了一个函数，并希望将此函数应用到便携式计算机上，历时一年，直到最后一个可能的序列。实际上，开始年和结束年以及最小序列长度都可以变化

years <- function(year, DTbl) {
  DTbl[sum(year:as.numeric(year+2))==3,]
}

by <- 2004 # study start
ey <- 2009 # study end
len <- 2007 # maximal begin of sequence to be tested
jahre <-3
DTpy <- data.table::rbindlist(lapply(by:len, years, DTbl=y))

显然这是行不通的，但这也是

test <- y[ y[, 2006==1], vnew := "ok"]

永远不是真的。

花了很多时间在这里寻找一些答案后，我决定发布此问题。我仍在学习R，感谢您对此问题的投入。

谢谢阿丽娜

Answer 1

我建议将数据从宽格式转换为长格式。在长格式中，rle()函数可用于标识连续3年或更长时间的序列：

tmp <- melt(y, id = "rn", measure.vars = patterns("^20"), 
            variable.factor = FALSE, variable.name = "year")[
              , rle(value), by = rn][values == 1, which(max(lengths) >= 3), by = rn]$rn
tmp

[1] "2" "3" "4"

这些是满足条件的行ID。这些可用于子集y：

y[as.integer(tmp)]

   rn number sex birthy 2004 2005 2006 2007 2008 2009
1:  2    150   1   1980    1    1    1    0    0    0
2:  3     99   1   1980    1    1    1    1    0    0
3:  4    899   1   1980    0    1    0    1    1    1

r data.table根据条件选择行

1 个答案: