我正在使用处理应用于动物的一些信息R
。首先我想描述我的信息结构(我将在最后添加dput()
版本)。我的数据是DF
,它看起来像这样:考虑数据框中不同组的行之间的计算日期差异
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行和三个变量Treatment_ID
(5种类型的治疗),Start_Date
(治疗的开始日期)和Valid
(治疗的截止日期)。例如Treatment_ID
0031
有两个意见,因为这个观测开始于2011年5月,并于2011年6月完成。然后一个新的处理0045
开始于2012年2月,并于2012年3月完成(仅一个观测)。 DF
中的所有组均采用相同的结构。我需要使用一些条件来计算每次治疗和每次治疗后的月份差异。我将使用第一两种处理,以显示这一点:
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,其中Treatment_Id
变量等于第一次治疗。当发生这种情况时,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
之间的月差。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,则必须使用Start_Date
和Valid
变量获得差异。为了得到这个变量Break_Months
我使用了一个结构:
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))
}
这for
当Treatment_Id
相等计算实际行与Valid
变量,当它们是不同的区别是使用Start_Date
计算和以前的区别Valid
。 Break_Months
的第一个值是NA
,因为没有以前的值进行比较。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
的Treatment_Id
0012
只有一个观察,因为它是新的,Valid
日期是相同的是治疗0031
的最后一次观察。由于Treatment_Id
0031
已在其他几个月使用,那么计算差异是与治疗内的以前的观察。在0012
的情况下,这是不可能的,因为Valid
的日期与最后一次观察0031
和0012
没有更多的观察结果是一样的,因为它是新的。当发生这种情况时,必须使用0031
之前的组的最后一次观察进行比较,这是0098
。通过使用由于0012
概念不等于0098
的Break_Months
由差2017-03-01
(Start_Date
)和2016-08-31
(Valid
)由相同的机械在结构for
给出6
一个值,而不是-1
之间计算。
我的问题是关于如何将这个考虑纳入for
。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(如果它们与上例相同),并且在包含相同日期的日期之前寻找前一组。我曾尝试使用dplyr
封装的lag
函数来避免for
,但结果并不相同。该dput()
版本的DF
是下一个:
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")
感谢您的帮助。
更新 其中一种解决方案非常完美。现在我有一个小问题,当我必须计算一个类似的变量。首先我计算变量Elapsed
,它是Valid
和Start_Date
之间的差值。我使用下面的代码:
DF$Elapsed=round(as.numeric(DF$Valid-DF$Start_Date)/30,0)
然后出现困境。我必须计算下两个变量Last1
和Last2
。我用的是接下来的代码如下:
#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))
}
的代码工作parcially因为我有相关的变量Break_Months
类似的问题。在这种情况下,因为0031
和0012
具有相同的Valid
值,因此Treatment_Id
的比较不得使用0031
的最后一个值完成,其中由于循环的逻辑(变量Elapsed
)而分配了7。在这种情况下,正确的值是48,因为比较必须与组0098
的最后一次观察相结合,然后我们得到48.我试图用last_obs_index
修改,但我无法得到正确的结果。
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
对于变量Last2
我用下面的代码:
#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))
}
在这种情况下,它似乎是工作,但事实并非如此。尽管6是正确的,但比较还没有很好的定义,因为0012
和0031
的日期和日期相同,最佳比较是使用最后一次观察0098
组。因此,指定了值Break_Months
。再次,我无法修复与last_obs_index
定义的适当的逻辑循环。
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
感谢所有帮助这个时候,才有可能获得关于如何适应循环得到比较正确的方式的建议。
根据你提供的代码,'Treatment_ID == 0045'具有'Break_Months == 7',对于'2012-02-01'和''' 2012-03-01'?那么'for'循环在除了结尾之外的其他地方不起作用吗? – johnckane
在样本数据中,治疗0012在治疗0031结束之前的整个月开始。那么最后一次输入的-1不是正确的结果吗? – lebelinoz
尊敬的@johnckane @lebelinoz在0012和0031的样本中都有效到2017-03-30发生这种情况时,需要与前一个群组0098的最后一次观察完成区别。然后,由于0012和0098不同,我们计算' Start_Date' - 'Valid'给出6并没有其他值。这是我循环中的问题。 – Duck