我正在使用處理應用於動物的一些信息R
。首先我想描述我的信息結構(我將在最後添加dput()
版本)。我的數據是DF
,它看起來像這樣:考慮數據框中不同組的行之間的計算日期差異
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行和三個變量Treatment_ID
(5種類型的治療),Start_Date
(治療的開始日期)和Valid
(治療的截止日期)。例如Treatment_ID
0031
有兩個意見,因爲這個觀測開始於2011年5月,並於2011年6月完成。然後一個新的處理0045
開始於2012年2月,並於2012年3月完成(僅一個觀測)。 DF
中的所有組均採用相同的結構。我需要使用一些條件來計算每次治療和每次治療後的月份差異。我將使用第一兩種處理,以顯示這一點:
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
對於這個例子,我有兩行,其中Treatment_Id
變量等於第一次治療。當發生這種情況時,必須計算變量Valid
的月份差異。當出現新的治療方法時,必須計算Start_Date
和Valid
之間的月差。請注意,當治療有多個觀察時,通過對該組中的觀察使用Valid
變量獲得差異,但當Treatment_Id
發生變化時,則必須使用Start_Date
和Valid
變量獲得差異。爲了得到這個變量Break_Months
我使用了一個結構:
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))
}
這for
當Treatment_Id
相等計算實際行與Valid
變量,當它們是不同的區別是使用Start_Date
計算和以前的區別Valid
。 Break_Months
的第一個值是NA
,因爲沒有以前的值進行比較。當我使用前面的代碼行時,問題出現在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
的Treatment_Id
0012
只有一個觀察,因爲它是新的,Valid
日期是相同的是治療0031
的最後一次觀察。由於Treatment_Id
0031
已在其他幾個月使用,那麼計算差異是與治療內的以前的觀察。在0012
的情況下,這是不可能的,因爲Valid
的日期與最後一次觀察0031
和0012
沒有更多的觀察結果是一樣的,因爲它是新的。當發生這種情況時,必須使用0031
之前的組的最後一次觀察進行比較,這是0098
。通過使用由於0012
概念不等於0098
的Break_Months
由差2017-03-01
(Start_Date
)和2016-08-31
(Valid
)由相同的機械在結構for
給出6
一個值,而不是-1
之間計算。
我的問題是關於如何將這個考慮納入for
。嘗試這樣做非常複雜,因爲我不知道如何整合與日期相關的比較(如果它們與上例相同),並且在包含相同日期的日期之前尋找前一組。我曾嘗試使用dplyr
封裝的lag
函數來避免for
,但結果並不相同。該dput()
版本的DF
是下一個:
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")
感謝您的幫助。
更新 其中一種解決方案非常完美。現在我有一個小問題,當我必須計算一個類似的變量。首先我計算變量Elapsed
,它是Valid
和Start_Date
之間的差值。我使用下面的代碼:
DF$Elapsed=round(as.numeric(DF$Valid-DF$Start_Date)/30,0)
然後出現困境。我必須計算下兩個變量Last1
和Last2
。我用的是接下來的代碼如下:
#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))
}
的代碼工作parcially因爲我有相關的變量Break_Months
類似的問題。在這種情況下,因爲0031
和0012
具有相同的Valid
值,因此Treatment_Id
的比較不得使用0031
的最後一個值完成,其中由於循環的邏輯(變量Elapsed
)而分配了7。在這種情況下,正確的值是48,因爲比較必須與組0098
的最後一次觀察相結合,然後我們得到48.我試圖用last_obs_index
修改,但我無法得到正確的結果。
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
對於變量Last2
我用下面的代碼:
#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))
}
在這種情況下,它似乎是工作,但事實並非如此。儘管6是正確的,但比較還沒有很好的定義,因爲0012
和0031
的日期和日期相同,最佳比較是使用最後一次觀察0098
組。因此,指定了值Break_Months
。再次,我無法修復與last_obs_index
定義的適當的邏輯循環。
Treatment_ID Start_Date Valid Break_Months Elapsed Last1 Last2
47 0098 2012-10-01 2016-07-30 1 47 2 4
48 0098 2012-10-01 2016-08-31 1 48 2 4
49 0031 2016-09-01 2016-09-30 0 1 48 0
50 0031 2016-09-01 2016-10-30 1 2 48 0
51 0031 2016-09-01 2016-11-30 1 3 48 0
52 0031 2016-09-01 2016-12-30 1 4 48 0
53 0031 2016-09-01 2017-01-30 1 5 48 0
54 0031 2016-09-01 2017-03-02 1 6 48 0
55 0031 2016-09-01 2017-03-30 1 7 48 0
56 0012 2017-03-01 2017-03-30 6 1 7 6
感謝所有幫助這個時候,纔有可能獲得關於如何適應循環得到比較正確的方式的建議。
根據你提供的代碼,'Treatment_ID == 0045'具有'Break_Months == 7',對於'2012-02-01'和''' 2012-03-01'?那麼'for'循環在除了結尾之外的其他地方不起作用嗎? – johnckane
在樣本數據中,治療0012在治療0031結束之前的整個月開始。那麼最後一次輸入的-1不是正確的結果嗎? – lebelinoz
尊敬的@johnckane @lebelinoz在0012和0031的樣本中都有效到2017-03-30發生這種情況時,需要與前一個羣組0098的最後一次觀察完成區別。然後,由於0012和0098不同,我們計算' Start_Date' - 'Valid'給出6並沒有其他值。這是我循環中的問題。 – Duck