为每个患者找到最匹配的时间

Question

我有两组数据：

第一组数据：

 patient<-c("A","A","B","B","C","C","C","C")
 arrival<-c("11:00","11:00","13:00","13:00","14:00","14:00","14:00","14:00")
 lastRow<-c("","Yes","","Yes","","","","Yes")

 data1<-data.frame(patient,arrival,lastRow)

另一组数据：

 patient<-c("A","A","A","A","B","B","B","C","C","C")
 availableSlot<-c("11:15","11:35","11:45","11:55","12:55","13:55","14:00","14:00","14:10","17:00")

 data2<-data.frame(patient, availableSlot)

我希望为第一个数据集添加一列，以便为每个患者的最后一行显示最接近到达时间的可用时段：

结果如下：

  patient arrival lastRow availableSlot
       A   11:00        
       A   11:00     Yes     11:15
       B   13:00        
       B   13:00     Yes     12:55
       C   14:00        
       C   14:00        
       C   14:00        
       C   14:00     Yes     14:00

希望有人能告诉我如何在R中实现这个。

- Head and toes

---

你可能需要先将包含小时的列转换为日期类。 - Cath

假设你的data2按照arrival排序，那么这段代码是将data1和data2[!duplicated(data2$patient),]按照patient进行合并。 - Sotos

@Sotos 不，那只是幸运而已。OP说“最接近”，这恰好与第一个重合。 - Frank

啊...我错过了最接近的部分。 - Sotos

Answer 1

我会使用data.table，首先将数据转换为ITime并忽略重复行：

library(data.table)
setDT(data1)[, arrival := as.ITime(as.character(arrival))]
setDT(data2)[, availableSlot := as.ITime(as.character(availableSlot))]
DT1 = unique(data1, by="patient", fromLast=TRUE)

然后，您可以进行“滚动连接”：

res = data2[DT1, on=.(patient, availableSlot = arrival), roll="nearest", 
  .(patient, availableSlot = x.availableSlot)]

#    patient availableSlot
# 1:       A      11:15:00
# 2:       B      12:55:00
# 3:       C      14:00:00

它是如何工作的

语法为x[i, on=, roll=, j]。

• on=是合并列。
• 这是一个连接操作：对于的每一行，我们在x中查找匹配项。
• 如果roll="nearest"，则on=中的最后一列将滚动到其最近的匹配项。
• 原始表中on=列可以使用x.*和i.*前缀引用。
• 参数j应该给出一个列的列表，此处.()是list()的别名。

请访问http://r-datatable.com/Getting-started以获取有关包的介绍材料，并输入?data.table以获取相关的滚动连接文档。

---

我会在res处停止，但如果您真的希望它回到原始表中...

# a very nonstandard step:
data1[lastRow == "Yes", availableSlot := res$availableSlot ]

#    patient  arrival lastRow availableSlot
# 1:       A 11:00:00                  <NA>
# 2:       A 11:00:00     Yes      11:15:00
# 3:       B 13:00:00                  <NA>
# 4:       B 13:00:00     Yes      12:55:00
# 5:       C 14:00:00                  <NA>
# 6:       C 14:00:00                  <NA>
# 7:       C 14:00:00                  <NA>
# 8:       C 14:00:00     Yes      14:00:00

现在，data1 在一个新的列中有了 availableSlot，就像你执行 data1$col <- val 时一样。

- Frank

---

精彩的解释 +1！ - joel.wilson

一如既往的好解释。 - akrun

@Headandtoes 当然可以。如果您输入?data.table查看文档，您会发现语法是x[i, ...]，在on=中连接的列可以使用x.*或i.*符号从各自的表中获取。这些符号很有用，因为在滚动连接（以及其他一些特殊情况）中，x.colname和i.colname可能不同。 - Frank

@Headandtoes 是的，对于这个，你会想要使用 as.ITime(as.POSIXct("02Aug2016 11:15:00", format = "%d%b%Y %H:%M:%S")) 或者只是坚持使用 POSIXct 而不提取时间。有关相关文档，请参见 ?strptime。如果你不想过多地弄日期时间格式，你也可以尝试 anytime 包，它似乎能够可靠地猜出相关的 format。 - Frank

@Headandtoes 阅读?strptime文档或使用anytime包将其转换为POSIX日期时间，然后使用as.ITime将其转换为ITime。 - Frank

Answer 2

这里有一个解决方案（基于joel.wilson的答案回答我的问题），可以在基本的R中使用。

#Convert dates to POSIXct format
data1$arrival = as.POSIXct(data1$arrival, format = "%H:%M")
data2$availableSlot = as.POSIXct(data2$availableSlot, format = "%H:%M")

#Lookup times from data2$availableSlot closest to data1$arrival
data1$availableSlot = sapply(data1$arrival, function(x)
                    data2$availableSlot[which.min(abs(x - data2$availableSlot))])

#Keep just hour and minutes
data1$availableSlot = strftime(as.POSIXct(data1$availableSlot, 
                                origin = "1970-01-01"), format = "%H:%M")
data1$arrival = strftime(as.POSIXct(data1$arrival), format = "%H:%M")

#Remove times when lastrow is empty
data1$availableSlot[which(data1$lastRow != "Yes")] = ""

- d.b