【问题标题】：Create time axis for longitudinal data; calculations with data variables为纵向数据创建时间轴；使用数据变量进行计算
【发布时间】：2018-08-07 16:58:25
【问题描述】：

我有以下示例数据框。数据为长格式（纵向数据）。 col1 表示人员 ID（对于此示例，我们只有 2 个人）。 col2 表示生活事件的发生（例如 0 = 未婚，1 = 已婚）。状态从 0 到 1 的变化实际上标志着生命事件。对于事件之后的每个测量场合，col3 为 1，对于事件之前的每个测量场合，col3 为 0。年份表示评估年份。月份表示评估月份（02 = 二月）。

             col1   col2  col3  year   month

row.name11    A     0     0     2013   02
row.name12    A     0     0     2014   02
row.name13    A     1     1     2015   02
row.name14    A     0     1     2016   02
row.name15    A     0     1     2018   02
row.name16    B     0     0     2014   02
row.name17    B     0     0     2015   02
row.name18    B     1     1     2016   02
row.name19    B     0     1     2017   04

我现在希望创建一个以事件为中心的时间线。事件发生时新变量应为 0 (col2 == 1)。事件前为负数（表示事件发生前的月份），事件后为正数（表示事件发生后的月份）。

它应该看起来像这样（参见 event.time 变量）：

             col1   col2  col3  year   month  event.time

row.name11    A     0     0     2013   02     -24
row.name12    A     0     0     2014   02     -12
row.name13    A     1     1     2015   02     0
row.name14    A     0     1     2016   02     12
row.name15    A     0     1     2018   02     36
row.name16    B     0     0     2014   02     -24
row.name17    B     0     0     2015   02     -12    
row.name18    B     1     1     2016   02     0
row.name19    B     0     1     2017   04     14

我发现我应该首先将我的年份和月份变量转换为日期变量（使用 as.date 函数）。然而，我没有成功。之后如何有效地计算 event.time 变量？也许使用 col3 因为这个变量表明它是在事件之前还是之后？

很高兴收到您的任何建议！在此先感谢:)

【问题讨论】：

标签： r

【解决方案1】：

#if nchar(month) is 1 then add 0 before month, otherwise use month directly. 
#1 added to make the transformation to as.Date simple
df$date<- paste0(df$year,'-',ifelse(nchar(df$month)==1,paste0(0,df$month),df$month),'-1')
df$date<- as.Date(df$date)

library(dplyr)
df %>% group_by(col1) %>% 
       #Get the minmume date where col2==1 incase there is more than one 1 in the same ID
       mutate(date_used=min(date[col2==1]), event.time=as.numeric(date - date_used))


# A tibble: 9 x 8
# Groups:   col1 [2]
col1   col2  col3  year month date       date_used  event.time
<fct> <int> <int> <int> <int> <date>     <date>          <dbl>
1 A         0     0  2013     2 2013-02-01 2015-02-01       -730
2 A         0     0  2014     2 2014-02-01 2015-02-01       -365
3 A         1     1  2015     2 2015-02-01 2015-02-01          0
4 A         0     1  2016     2 2016-02-01 2015-02-01        365
5 A         0     1  2018     2 2018-02-01 2015-02-01       1096
6 B         0     0  2014     2 2014-02-01 2016-02-01       -730
7 B         0     0  2015     2 2015-02-01 2016-02-01       -365
8 B         1     1  2016     2 2016-02-01 2016-02-01          0
9 B         0     1  2017     4 2017-04-01 2016-02-01        425

数据

df <- read.table(text="
         col1   col2  col3  year   month
         row.name11    A     0     0     2013   02
         row.name12    A     0     0     2014   02
         row.name13    A     1     1     2015   02
         row.name14    A     0     1     2016   02
         row.name15    A     0     1     2018   02
         row.name16    B     0     0     2014   02
         row.name17    B     0     0     2015   02
         row.name18    B     1     1     2016   02
         row.name19    B     0     1     2017   04
                 ",header=T)

【讨论】：

您好，我使用示例数据尝试了您的代码。不幸的是，我得到了 date_used 列中所有行的“2015-02-01”，而不是获取 col2==1 的日期值（分别针对每组参与者）。知道可能出了什么问题吗？在此先感谢:)
可能由于dplyr 和plyr 之间的名称冲突，group_by 没有按预期工作。尝试仅在新的 R 会话上加载 dplyr。或将group_by 明确称为dplyr::group_by。

【解决方案2】：

这是一个使用lubridate的选项

library(tidyverse)
library(lubridate)
ym <- function(y, m) ymd(sprintf("%s-%s-01", y, m))
df %>%
    group_by(col1) %>%
    mutate(event.time = interval(ym(year, month)[col2 == 1], ym(year, month)) %/% months(1))
## A tibble: 9 x 6
## Groups:   col1 [2]
#  col1   col2  col3  year month event.time
#  <fct> <int> <int> <int> <int>      <dbl>
#1 A         0     0  2013     2       -24.
#2 A         0     0  2014     2       -12.
#3 A         1     1  2015     2         0.
#4 A         0     1  2016     2        12.
#5 A         0     1  2018     2        36.
#6 B         0     0  2014     2       -24.
#7 B         0     0  2015     2       -12.
#8 B         1     1  2016     2         0.
#9 B         0     1  2017     4        14.

样本数据

df <- read.table(text =
    "             col1   col2  col3  year   month
row.name11    A     0     0     2013   02
row.name12    A     0     0     2014   02
row.name13    A     1     1     2015   02
row.name14    A     0     1     2016   02
row.name15    A     0     1     2018   02
row.name16    B     0     0     2014   02
row.name17    B     0     0     2015   02
row.name18    B     1     1     2016   02
row.name19    B     0     1     2017   04", header = T)

【讨论】：

嗨 Maurits Evers，我今天早上尝试了你的代码，它运行良好（使用我自己的数据和这个示例数据）。但是，如果我现在尝试重现它，我会收到以下警告消息：注意：为函数“%/%”选择了签名为“Timespan#Timespan”的方法，目标签名为“Interval#Period”。 "Interval#ANY"、"ANY#Period" 也是有效的警告消息：1：在 as.numeric(end) - as.numeric(start) 中：较长的对象长度不是较短对象长度的倍数 2：在 unclass 中(e1) + unclass(e2) ：较长的对象长度不是较短对象长度的倍数。任何想法为什么？
@MarieB。唔。听起来很奇怪。可以安全地忽略该注释。我无法重现警告。你能从一个新的 R 终端再次运行它吗？
我做到了，不幸的是它似乎不能可靠地工作。即使我在新的 R 会话中使用完全相同的示例数据复制了相同的代码，event.time 变量也不准确。此评论选项不允许发布我现在拥有的 tibble。但对于上述样本数据，它的 c(-24, -24, 0, 0, 36, -24, 0, 0, 26) 。最让我恼火的是它昨天确实有效，但不再有效。通常这是一个用户问题，而不是 R 现在做的不同，但我不知道我做错了什么。
@MarieB。这似乎很奇怪。确保您没有加载任何其他包。如果您将上面的代码复制并粘贴到新的 R 终端中（确保不恢复已保存的工作区），则上面的代码必须有效。你能确认一下吗？