按 ID 和结果分组，取特定结果的最早日期并分配数字（即结果 1、结果 2）

Posted 2023-02-16

【中文标题】按 ID 和结果分组，取特定结果的最早日期并分配数字（即结果 1、结果 2）

【英文标题】：Group by ID and Outcome and take the earliest earliest Dates of specific outcomes and assign numbers (i.e outcome1, outcome2)

【发布时间】：2022-01-02 07:17:02

【问题描述】：

抱歉，如果我没有清楚地解释这一点。 但我有以下数据集：

mydata = data.frame (Id =c (1,1,1,1,1,1,1,1,2,2,2,2),
Date = c("2001-01-31", "2001-02-13","2001-05-31",
"2001-06-02","2018-01-31","2018-03-31","2018-07-31",
"2019-04-04","2014-01-31","2014-02-02","2014-04-31",
"2014-05-18"),Outcome = c("CR","CR","Relapse","Relapse",
"CR","CR","CR","Relapse","CR", "CR","Relapse","CR"))

输出以下内容。如您所见，每位患者在不同时间处于某些阶段，我想记录每位患者每个新阶段开始的最早日期。然后我想将这些阶段重命名为 CR1、Relapse1、CR2、Relapse2 等等。

Id     Date        Outcome
1   2001-01-31  CR      
1   2001-02-13  CR      
1   2001-05-31  Relapse     
1   2001-06-02  Relapse     
1   2018-01-31  CR      
1   2018-03-31  CR      
1   2018-07-31  CR      
1   2019-04-04  Relapse     
2   2014-01-31  CR      
2   2014-02-02  CR
2   2014-04-31  Relapse     
2   2014-05-18  CR      
 

这是我想要达到的输出：

Id     CR1       Relapse1      CR2       Relapse2
1   2001-01-31  2001-05-31  2018-01-31  2019-04-04
2   2014-01-31  2014-04-31  2014-05-18  NA

我不太确定从哪里开始提出这个问题，如果有任何帮助，我将不胜感激！谢谢各位！

【问题讨论】：

您是指每个 ID 年份结果组合中最早的一个吗？还是每个 ID 结果的最早和最晚？

最终结果变量的顺序重要吗？即，如果您获得 CR1、CR2、Relapese1、Relapse2，这有关系吗？

@Macosso 每个 ID 和结果组合的最早日期 在它们切换到另一个结果之前。

@NicolásVelásquez 是的，复发前的第一个 CR 应标记为 CR1，之后应标记为 relapse1。如果他们在复发后再次达到CR，应该是CR2等等

对此的后续问题，是否有可能仅在看到第一个 CR 后才开始计数？因此，如果一个 id 在 CR 之前有 Relapse 将被忽略，然后在第一个 CR 之后的第一次复发将被视为 Relapse 1？谢谢！！ ——

【参考方案1】：

使用tidyverse，您可以尝试以下操作。

（如果需要，首先 arrange 和 Date 按时间顺序排列。）

根据Outcome 列中的变化创建一个分组值（从缓解到复发，反之亦然）。为了方便起见，我使用了data.table 中的rleid，并创建了一个临时列Grp。例如：

      Id Date       Outcome   Grp
   <dbl> <chr>      <chr>   <int>
 1     1 2001-01-31 CR          1
 2     1 2001-02-13 CR          1
 3     1 2001-05-31 Relapse     2
 4     1 2001-06-02 Relapse     2
 5     1 2018-01-31 CR          3
 6     1 2018-03-31 CR          3
 7     1 2018-07-31 CR          3
 8     1 2019-04-04 Relapse     4
 9     2 2014-01-31 CR          1
10     2 2014-02-02 CR          1
11     2 2014-04-31 Relapse     2
12     2 2014-05-18 CR          3

您可以看到，在每个Id 中，当Outcome 更改时，Grp 会增加。这样，具有相同Outcome 的后续日期将包含在相同的Grp 中。

.add 参数允许我们将 Grp 添加到之前的分组中，即 Id。因此，现在按Grp 和Id 分组，然后您可以slice 第一行。 slice(1) 或 slice(n = 1) 将在组内保留 1 行。在这种情况下，我们同时按Id 和Grp 进行分组，因此对于给定的Grp 和Id 组合只会保留1 行。

最后，您可以添加一个允许所描述的宽输出的行号（CR 和复发的连续数字序列：1、2、3、4...）。在这种情况下，我们group_by 同时Id 和Outcome，并为这个组合连续编号日期。如果需要，pivot_wider 会将数据转换为宽格式。

library(data.table)
library(tidyverse)

mydata %>%
  group_by(Id) %>%
  mutate(Grp = rleid(Outcome)) %>%
  group_by(Grp, .add = T) %>%
  slice(1) %>%
  group_by(Id, Outcome) %>%
  mutate(n = row_number()) %>%
  pivot_wider(id_cols = Id, names_from = c(Outcome, n), values_from = Date)

输出

     Id CR_1       Relapse_1  CR_2       Relapse_2 
  <dbl> <chr>      <chr>      <chr>      <chr>     
1     1 2001-01-31 2001-05-31 2018-01-31 2019-04-04
2     2 2014-01-31 2014-04-31 2014-05-18 NA  

【讨论】：

谢谢！我试过了，但一直收到以下错误：``` 错误：在group_by() 中添加计算列时出现问题。 x mutate() 输入 Grp 有问题。 x找不到函数“rleid”ℹ输入Grp是rleid(Outcome)```

@Ben，啊，你比我快 3 分钟 :( 无论如何我只能使用子集和 shitf() 函数来解决它。你能解释一下这条线：group_by(Grp = rleid(Outcome), .add = T) %>% 做什么? 还有slice(1)。

@Ben 效果很好，非常感谢！

@Ben 非常有帮助！

已编辑，以便 rleid 编号随着 Id 的更改重新启动。