计算不同长度的数据集之间 numid 相同的差异

Question

我有 2 个数据框：“start.date”和“death.date”。每个包括 2 列“numid”（一个数字 id）和一个“date”列。 “start.date”是记录每个 numid 疾病开始的数据集。 "death.date" 仅包括 "start.date" 中在 death.date$date 中的日期死亡的那些 numid。

我需要计算那些具有相同 numid 的 start.date 和 death.date 之间的差异（=survival）。

这是我写的：

 tempi<-as.numeric(factor(start.date$numid))
 tempj<-as.numeric(factor(death.date$numid))
 for(i in tempi){
   for(j in tempj){
     surviv[i]<-ifelse(colic.date$numid[i]==death.date$numid[j],
                         death.date$date.death[j]-colic.date$date.colic[i],
                         "alive")
   }  
 }

我认为我的问题是 surviv[i] 只保留 death.date$numid[j] 的最后一个值，但我找不到出路。任何人都可以对此有所了解吗？ 可能有更简单的方法可以做到这一点（运行速度非常慢 - 即使结果错误）

抱歉，如果在某处讨论过这个问题，我只是找不到任何适用于我的数据的东西。

干杯 马可

Answer 1

这是我的尝试，使用自定义函数生成日期，然后创建两个 data.frames。然后我使用intersect 在data.frames 之间找到了common.ids，并使用difftime 来查找日期的差异。当您使用 for 循环时，您的代码很慢。阅读this page 上的资源，了解如何对您的代码进行矢量化处理。

我使用了intersect，不过也可以查看%in% 来查找常用项目。

#Function to get some dates, using a uniform distribution,
thanks to [Dirk Eddelbuettel][2]
unif.dates <-function(N, start = "2012/01/01", end = "2012/12/31") {
#Orginal at http://stackoverflow.com/a/14721124/2747709
start <- as.POSIXct(as.Date(start))#
end <- as.POSIXct(as.Date(end))#
dt <- as.numeric(difftime(end,start,unit = "sec"))#
ev <- sort(runif(N, 0, dt))#
rt <- start + ev
}
#Generating some random ids and dates and 
assigning them to data.frames

start.date <- data.frame(numid = sample(25,15), date = unif.dates(15, start = "2012/06/01", end = "2012/12/31"))

death.date <- data.frame(numid = sample(25,15),date = unif.dates(15, start = "2012/08/01", 
end = "2013/02/28"))
#Get Common ids between data.frames
common.ids <-intersect(death.date$numid,start.date$numid)
#Calculate time difference, this defauts to days, read ?difftime for other units
z <-difftime(death.date$date[death.date$numid %in% common.ids], start.date$date[start.date$numid %in% common.ids])