使用警告按组计算两个日期之间的差异

Question

数据如下所示：

df <- data.frame(
  id = c(283,994,294,294,1001,1001), 
  stint = c(1,1,1,2,1,2), 
  admit = c("2010-2-3","2011-2-4","2011-3-4","2012-4-1","2016-1-2","2017-2-3"),
  release = c("2011-2-3","2011-2-28","2011-4-1","2014-6-6","2017-2-1","2018-3-1")
)

好吧，请多多包涵，因为我发现这种语言很难表达。 我需要通过 id 计算第一阶段的发布日期和第二阶段的录取日期之间的差异。 所以对于上面的示例，我称之为“曝光”的差异应该是这样的

exposure=c(NA,NA,365,NA,2,NA)

因此，如果只有 1 次，将返回 NA，如果有超过 1 次，则曝光期将使用之前的发布日期和当前的录取日期来计算。 因此，第 3 阶段的曝光将被承认为第 3 阶段 - 第 2 阶段的释放。

Answer 1

这是dplyr方法。 我们将找到stint为 2 (1) 的admit ( release ) 的值，取其差，并用每组id的值替换 exposure 的第一个条目。

library(dplyr)

df %>% 
  mutate(
    across(c(admit, release), as.Date), 
    exposure = NA_integer_
  ) %>% 
  group_by(id) %>% 
  mutate(exposure = replace(
    exposure, 1L, 
    as.integer(admit[match(2, stint)] - release[match(1, stint)])
  ))
  

Output

# A tibble: 6 x 5
# Groups:   id [4]
     id stint admit      release    exposure
  <dbl> <dbl> <date>     <date>        <int>
1   283     1 2010-02-03 2011-02-03       NA
2   994     1 2011-02-04 2011-02-28       NA
3   294     1 2011-03-04 2011-04-01      366
4   294     2 2012-04-01 2014-06-06       NA
5  1001     1 2016-01-02 2017-02-01        2
6  1001     2 2017-02-03 2018-03-01       NA

Answer 2

如果 stint == 2，您要计算曝光，否则返回 NA。 这可以通过 ifelse 来实现。 但是，您希望该版本来自之前的发布日期。 这可以通过滞后来完成。 但这会将暴露值与暴露 ==2 的承认联系起来，而您希望暴露与计算中使用的先前版本相关联。 因此，删除第一个曝光值并在最后添加一个 NA。

  df %>% 
    mutate(across(c(admit, release), as.Date), 
           exposure = c(ifelse(stint == 2, admit - lag(release), NA)[-1], NA))

哪个产量

    id stint      admit    release exposure
1  283     1 2010-02-03 2011-02-03       NA
2  994     1 2011-02-04 2011-02-28       NA
3  294     1 2011-03-04 2011-04-01      366
4  294     2 2012-04-01 2014-06-06       NA
5 1001     1 2016-01-02 2017-02-01        2
6 1001     2 2017-02-03 2018-03-01       NA