Question

我有一个数据集df：

df <- tibble(
  id = sort(rep(letters[1:3], 3)),
  visit_id = rep(c(0, 5, 10), 3),
  true_visit = c(NA, 3, NA, 0, 5, 10, 1, 7, NA)
)
> df
# A tibble: 9 x 3
  id    visit_id true_visit
  <chr>    <dbl>      <dbl>
1 a            0         NA
2 a            5          3
3 a           10         NA
4 b            0          0
5 b            5          5
6 b           10         10
7 c            0          1
8 c            5          7
9 c           10         NA

我正在尝试创建一个新列closest_visit，在其中我发现每个人中最接近true_visit的{{1}}。结果如下：

visit_id

为明确起见，# A tibble: 9 x 4 id visit_id true_visit closest_visit <chr> <dbl> <dbl> <dbl> 1 a 0 NA 3 2 a 5 3 3 3 a 10 NA 3 4 b 0 0 0 5 b 5 5 5 6 b 10 10 10 7 c 0 1 1 8 c 5 7 7 9 c 10 NA 7对于单个closest_visit是3，因为它是唯一的a。 true_visit对于第七行是1，因为0（该行的closest_visit）比1更接近于1（该参与者的visit_id），依此类推。

我尝试查看here，here和here。他们是一个很好的开始，但并不是我想要的。有任何想法吗？

Answer 1

可以去：

library(dplyr)

df %>%
  group_by(id) %>%
  mutate(
    closest_visit = case_when(
      visit_id == true_visit ~ true_visit,
      TRUE ~ true_visit[sapply(visit_id, 
                               function(x) which.min(abs(x - true_visit)))]
      )
    )

输出：

# A tibble: 9 x 4
# Groups:   id [3]
  id    visit_id true_visit closest_visit
  <chr>    <dbl>      <dbl>         <dbl>
1 a            0         NA             3
2 a            5          3             3
3 a           10         NA             3
4 b            0          0             0
5 b            5          5             5
6 b           10         10            10
7 c            0          1             1
8 c            5          7             7
9 c           10         NA             7

Answer 2

一个选项是findInterval，然后是fill

library(dplyr)
library(tidyr)
df %>%
   group_by(id) %>% 
   mutate(closest_visit = na.omit(true_visit)[findInterval(true_visit, 
          visit_id)]) %>% 
   fill(closest_visit, .direction = "updown")
# A tibble: 9 x 4
# Groups:   id [3]
#  id    visit_id true_visit closest_visit
#  <chr>    <dbl>      <dbl>         <dbl>
#1 a            0         NA             3
#2 a            5          3             3
#3 a           10         NA             3
#4 b            0          0             0
#5 b            5          5             5
#6 b           10         10            10
#7 c            0          1             1
#8 c            5          7             7
#9 c           10         NA             7

Answer 3

这不是最漂亮的方法，但它适用于您的示例：

library(dplyr)

for (id in unique(df$id) ) {

  available_visit = na.omit(df[df$id == id ,'true_visit']) %>% pull()
  unique_id = unique(df$visit_id[df$id == id])

    for (visit_id in unique_id) {

      df[df$id == id & df$visit_id ==  visit_id, 'closest_visit' ] <- 
        available_visit[which.min(abs(available_visit-visit_id))]
      }
  }

按组查找数据帧中向量之间的最接近值

3 个答案: