总结日期范围答案

【问题标题】：Summarising date ranges总结日期范围
【发布时间】：2018-10-03 16:25:04
【问题描述】：

我有一个带有患者 ID 和日期的数据框，按 ID 中的日期顺序排序。每个患者通常有几条线路，尽管可能只有一条。例如：

patid   date
1302    2009-01-27
1302    2009-02-05
1302    2009-08-28
1670    2009-03-12
2073    2009-04-03
2073    2010-11-01
2073    2010-12-19
2073    2011-03-06

据此，我想为每个患者生成一个包含开始和结束日期的数据框或 CSV 文件，所以从上面，我有

patid   start       end
1302    2009-01-27  2009-08-28
1670    2009-03-12  2009-03-12
2073    2009-04-03  2011-03-06

我在初始文件中有超过 3000 万行，所以我不想编写 for 循环。

我想知道是否有一种有效的方法可以做到这一点，或许可以从使用aggregate 为每个患者推导行数开始？

【问题讨论】：

标签： r

【解决方案1】：

与tidyverse:

read.table(text="patid   date
           1302    2009-01-27
           1302    2009-02-05
           1302    2009-08-28
           1670    2009-03-12
           2073    2009-04-03
           2073    2010-11-01
           2073    2010-12-19
           2073    2011-03-06",header=T)%>%
   group_by(patid)%>%
   mutate(date=lubridate::ymd(date))%>%
   summarise(start=min(date),
             end=max(date))
# A tibble: 3 x 3
  patid start      end       
  <int> <date>     <date>    
1  1302 2009-01-27 2009-08-28
2  1670 2009-03-12 2009-03-12
3  2073 2009-04-03 2011-03-06

【讨论】：

【解决方案2】：

使用sqldf：

输入数据：

df=read.table(text="patid   date
          1302    2009-01-27
          1302    2009-02-05
          1302    2009-08-28
          1670    2009-03-12
          2073    2009-04-03
          2073    2010-11-01
          2073    2010-12-19
          2073    2011-03-06",header=T)

代码

 library(sqldf)
 sqldf("select patid,min(date) as start, max(date) as end from df group by patid")

输出：

   patid      start        end
1  1302 2009-01-27 2009-08-28
2  1670 2009-03-12 2009-03-12
3  2073 2009-04-03 2011-03-06

【讨论】：

【解决方案3】：

使用基本 R 函数 `aggregate()` 和 FUN = 一个简单的自定义函数，在一个步骤中返回两个输出 `min()` 和 `max()` 的向量：

按照您的建议，您可以使用 aggregate() - 但如下所示，您可以一步完成，为每个 patid 组计算 min() 和 max()

# Read in your sample data, being careful to prevent dates from becoming factors
pdates <- 
  read.table( text="patid   date
                    1302    2009-01-27
                    1302    2009-02-05
                    1302    2009-08-28
                    1670    2009-03-12
                    2073    2009-04-03
                    2073    2010-11-01
                    2073    2010-12-19
                    2073    2011-03-06",
                    header=TRUE, 
                    stringsAsFactors=FALSE) # keep date strings from becoming factors!

aggregate( x = pdates["date"],   # dataframe with column(s) to aggregate
           by = pdates["patid"], # passing dataframe with named column "patid" preserves the column name in the output
           FUN = function(vdate) { 
                   c(start=min(vdate), end=max(vdate))
                 }  
         )

  patid date.start   date.end
1  1302 2009-01-27 2009-08-28
2  1670 2009-03-12 2009-03-12
3  2073 2009-04-03 2011-03-06

编辑：或者，更简单地使用非常有用的基本 R `range()` 函数：

aggregate( pdates["date"], by=pdates["patid"], range)

  patid     date.1     date.2
1  1302 2009-01-27 2009-08-28
2  1670 2009-03-12 2009-03-12
3  2073 2009-04-03 2011-03-06

【讨论】：

使用基本 R 函数 aggregate() 和 FUN = 一个简单的自定义函数，在一个步骤中返回两个输出 min() 和 max() 的向量：

编辑：或者，更简单地使用非常有用的基本 R range() 函数：

使用基本 R 函数 `aggregate()` 和 FUN = 一个简单的自定义函数，在一个步骤中返回两个输出 `min()` 和 `max()` 的向量：

编辑：或者，更简单地使用非常有用的基本 R `range()` 函数：