基于固定日期间隔大小的移动窗口在R中改变新列
Posted
技术标签:
【中文标题】基于固定日期间隔大小的移动窗口在R中改变新列【英文标题】：Mutate new column based on moving window of fixed date interval size, in R 【发布时间】：2021-09-20 06:51:54 【问题描述】：我在 R 中有一位患者的数据，其中显示了他们在特定条件下检测呈阳性的日期。数据如下所示：
date positive
2005-02-22 yes
2005-04-26 no
2005-08-02 yes
2005-10-04 no
2005-12-06 yes
2006-03-14 no
2006-06-06 no
2006-09-12 yes
2006-12-19 yes
2007-03-27 yes
现在我介绍一个新定义。如果“当前检测结果为阳性，并且 >=50% 的前 365 天检测结果为阳性”，则该患者的状况被定义为“慢性阳性”。 所以我想创建一个输出数据集，告诉我患者在每个日期是否长期呈阳性。例如，输出应如下所示（例如，在 2006-09-12，它们是“阳性”，但不是“慢性阳性”，因为过去 365 天的 4 次访问中有 3 次是阴性的）：
date positive chronic
2005-02-22 yes no
2005-04-26 no no
2005-08-02 yes yes
2005-10-04 no no
2005-12-06 yes yes
2006-03-14 no no
2006-06-06 no no
2006-09-12 yes no
2006-12-19 yes no
2007-03-27 yes yes
我该怎么做？在感兴趣的每一行，我需要能够查看之前的行（在过去 365 天内）并评估其中有多少是积极的。我想我可以结合使用lead/lag 函数和dplyr，但我希望能举个例子说明如何做到这一点。
原始数据可以通过以下方式复制：
dat <- structure(list(date = structure(c(12836, 12899, 12997, 13060, 13123, 13221, 13305, 13403, 13501, 13599), class = "Date"),
positive = c("yes", "no", "yes", "no", "yes", "no", "no", "yes", "yes", "yes")),
row.names = c(NA, 10L), class = "data.frame")
【问题讨论】：
【参考方案1】：您可以使用slider 库进行此类滚动计算。语法解释-
slide_index_lgl 同时作用于向量 .x 和索引 .i 并产生逻辑向量输出。
.x 用作positive 向量
.i 用作date 向量
.before 和 .after 不言自明（包括前 365 天，不包括当前日期）
.f 很简单，用于检查过去 365 天的测试阳性
此输出与另一个条件相结合，即positive == 'yes' 我使用了这个公式(sum(.x == 'yes') / length(.x)) >= 0.5
1 被添加到这个逻辑输出，给我们1 为FALSE 和2 为TRUE
这个完整的输出被用作输出向量的索引c('No', 'Yes') so that you'll get YesforTRUEandNoforFALSE`
library(tidyverse)
df <- read.table(header = TRUE, text = 'date positive
2005-02-22 yes
2005-04-26 no
2005-08-02 yes
2005-10-04 no
2005-12-06 yes
2006-03-14 no
2006-06-06 no
2006-09-12 yes
2006-12-19 yes
2007-03-27 yes')
df$date <- as.Date(df$date)
library(slider)
library(lubridate)
df %>%
mutate(chronic = c('No', "Yes")[1 + (positive == 'yes' & slide_index_lgl(positive, date,
~ (sum(.x == 'yes') / length(.x)) >= 0.5 ,
.before = days(365),
.after = days(-1)))])
#> date positive chronic
#> 1 2005-02-22 yes <NA>
#> 2 2005-04-26 no No
#> 3 2005-08-02 yes Yes
#> 4 2005-10-04 no No
#> 5 2005-12-06 yes Yes
#> 6 2006-03-14 no No
#> 7 2006-06-06 no No
#> 8 2006-09-12 yes No
#> 9 2006-12-19 yes No
#> 10 2007-03-27 yes Yes
在 baseR 中使用 runner::runner() 的替代策略
dat <- structure(list(date = structure(c(12836, 12899, 12997, 13060, 13123, 13221, 13305, 13403, 13501, 13599), class = "Date"),
positive = c("yes", "no", "yes", "no", "yes", "no", "no", "yes", "yes", "yes")),
row.names = c(NA, 10L), class = "data.frame")
library(runner)
dat$chronic <- ifelse(runner(dat$positive, idx = dat$date, lag = '1 day',
k = '365 days',
f = \(.x) (sum(.x == 'yes')/length(.x)) >= 0.5) & dat$positive == 'yes', 'yes', 'no')
dat
#> date positive chronic
#> 1 2005-02-22 yes <NA>
#> 2 2005-04-26 no no
#> 3 2005-08-02 yes yes
#> 4 2005-10-04 no no
#> 5 2005-12-06 yes yes
#> 6 2006-03-14 no no
#> 7 2006-06-06 no no
#> 8 2006-09-12 yes no
#> 9 2006-12-19 yes no
#> 10 2007-03-27 yes yes
【讨论】：
【参考方案2】：在data.table 中使用非等连接的另一个选项：
library(data.table)
setDT(dat)[, yrago := date - 365L]
dat[, chronic := fifelse(
.SD[.SD, on=.(date>=yrago, date<date),
by=.EACHI, .N>0 & i.positive=="yes" & sum(x.positive=="yes")/.N >= 0.5]$V1,
"yes", "no")
]
dat[, yrago := NULL][]
输出：
date positive chronic
1: 2005-02-22 yes no
2: 2005-04-26 no no
3: 2005-08-02 yes yes
4: 2005-10-04 no no
5: 2005-12-06 yes yes
6: 2006-03-14 no no
7: 2006-06-06 no no
8: 2006-09-12 yes no
9: 2006-12-19 yes no
10: 2007-03-27 yes yes
【讨论】：
【参考方案3】：如果您不想使用滚动功能，也可以使用此解决方案：
library(dplyr)
library(purrr)
library(lubridate)
map(df %>%
filter(positive == "yes") %>%
pull(date), ~ df %>% filter(date %within% interval(.x - days(365), .x))) %>%
map_dfr(~ .x %>%
summarise(date = last(date),
chronic = (sum(positive == "yes")-1)/ (n()-1) >= 0.5)) %>%
right_join(df, by = "date") %>%
arrange(date) %>%
mutate(chronic = if_else(is.na(chronic) | !chronic, "no", "yes"))
# A tibble: 10 x 3
date chronic positive
<chr> <chr> <chr>
1 2005-02-22 no yes
2 2005-04-26 no no
3 2005-08-02 yes yes
4 2005-10-04 no no
5 2005-12-06 yes yes
6 2006-03-14 no no
7 2006-06-06 no no
8 2006-09-12 no yes
9 2006-12-19 no yes
10 2007-03-27 yes yes
【讨论】：
【参考方案4】：这是一种方法-
library(dplyr)
library(purrr)
dat %>%
mutate(chronic = map_chr(row_number(), ~
inds <- between(date, date[.x] - 365, date[.x] - 1)
if(positive[.x] == "yes" && any(inds) && mean(positive[inds] == 'yes') >= 0.5) 'yes' else 'no'
))
# date positive chronic
#1 2005-02-22 yes no
#2 2005-04-26 no no
#3 2005-08-02 yes yes
#4 2005-10-04 no no
#5 2005-12-06 yes yes
#6 2006-03-14 no no
#7 2006-06-06 no no
#8 2006-09-12 yes no
#9 2006-12-19 yes no
#10 2007-03-27 yes yes
【讨论】：
这真的很有帮助，而且效果很好！你能帮我理解语法吗？只是一般，但为什么需要any(inds) 条件？
如果过去 1 年没有值，即如果 inds 全部为 FALSE，mean(positive[inds] == 'yes') 返回 NA，这是一个错误。这就是为什么我要检查any(inds)。
你绝对是正确的，但我不明白这在逻辑上是如何解决这个错误的——即使any(inds) 在它之前，mean(positive[inds] == 'yes') 是否仍会评估为NA？更新：any(inds) 评估为 FALSE 是否在此处结束条件检查，所以 mean(positive[inds] == 'yes') 不会被评估？这是有道理的
是的，完全正确。因为我们使用的是&&，所以只要前面的条件是FALSE，它就会停止评估参数。因此，如果any(inds) 是FALSE，则不会检查mean(positive[inds] == 'yes')。 @鲍勃
在我看来，这是最简单的答案，也很容易实现，只需要 dplyr 和 purrr 的 map 功能 - 谢谢你的帮助！以上是关于基于固定日期间隔大小的移动窗口在R中改变新列的主要内容，如果未能解决你的问题，请参考以下文章