对每个患者的变量进行第一次观察答案

【问题标题】：Carry Forward First Observation for a Variable For Each Patient对每个患者的变量进行第一次观察
【发布时间】：2015-07-13 02:16:26
【问题描述】：

我的数据集有 3 个变量：

Patient ID    Outcome     Duration  
1               1          3
1               0          4
1               0          5
2               0          2
3               1          1
3               1          2

我想要的是每个患者 ID 的“持续时间”的第一个观察结果。

也就是说，对于患者 #1，我希望持续时间为 3、3、3 对于患者 #3，我希望持续时间为 1、1。

【问题讨论】：

dd$Duration <- with(dd, ave(Duration, ID, FUN = function(x) x[1])) 如果您想使用包，请回答以下问题

标签： r dataset data-manipulation

【解决方案1】：

这是使用 data.table 的一种方法。你取Duration 中的第一个数字，并要求 R 为每个 PatientID 重复它。

mydf <- read.table(text = "PatientID    Outcome     Duration  
1               1          3
1               0          4
1               0          5
2               0          2
3               1          1
3               1          2", header = T)

library(data.table)
setDT(mydf)[, Duration := Duration[1L], by = PatientID]
print(mydf)

#   PatientID Outcome Duration
#1:         1       1        3
#2:         1       0        3
#3:         1       0        3
#4:         2       0        2
#5:         3       1        1
#6:         3       1        1

【讨论】：

您的输出第一行有(1, 1, 3)，后跟(1, 0, 3)。这里有错字吗？或者这是你想要你的代码做的？
@TimBiegeleisen 我很困惑。你能澄清你的意思吗？我看到问题的原始数据中第一行有(1, 1, 3)。
@TimBiegeleisen 如果我没记错的话，这是 OP 要求的。
很公平......我会投票赞成......只是希望这些问题能更清楚，但如果是这样的话，他们可能不会一开始就问 SO ^ ^。我以为他只是想复制每个病人的第一行。
@TimBiegeleisen 不是错字，同一患者在不同时间有重复观察。有些患者的就诊次数比其他患者多。

【解决方案2】：

这对dplyr 来说是件好事（plyr 的一个 data.frame wicked-better 继任者，语法比data.table 好得多）：

library(dplyr)

dat %>% 
  group_by(`Patient ID`) %>% 
  mutate(Duration=first(Duration))

## Source: local data frame [6 x 3]
## Groups: Patient ID
## 
##   Patient ID Outcome Duration
## 1          1       1        3
## 2          1       0        3
## 3          1       0        3
## 4          2       0        2
## 5          3       1        1
## 6          3       1        1

【讨论】：

【解决方案3】：

使用plyr 的另一种选择（如果您要对数据框进行大量操作，特别是如果它很大，我推荐data.table。它的学习曲线更陡峭，但非常值得）。

library(plyr)
ddply(mydf, .(PatientID), transform, Duration=Duration[1])  PatientID 
# Outcome Duration
# 1         1       1        3
# 2         1       0        3
# 3         1       0        3
# 4         2       0        2
# 5         3       1        1
# 6         3       1        1

【讨论】：