我需要帮助重构数据框，以对齐与每个参与者 ID 相关的两个变量的日期

Question

我目前正在研究一个庞大的医学数据集，其中存储了不同变量的多个测量值（最多 6 个）。我制作了一个长表，因为我希望计算这些变量之间的相关性。然而，我遇到的问题是，A，并非所有参与者对每个变量都有相同数量的测量值（有些参与者有 6 个测量值，有些有 1 个），B 并非所有参与者对每个变量都有相同的测量值（VarA 可能有 3 个测量值，而 varB 可能有 3 个测量值）可能有 1) 和 C 最后也是最大的问题，变量是时间敏感的，因此，只有在彼此的 x 时间内记录的变量才可以被认为是可用的。

问题是 VarA 测量 1 可能与 VarB 测量 2 甚至 3 一致。因此，我需要检查每个参与者的测量日期，计算这些测量日期总和的相反值，并重新组织数据集。

我想从此开始：

对此：

我已经尝试过了

# initialization 
time_period <- 0
time_list <- vector("numeric", length = nrow(dates_long))
ref_date <- dates_long$date_[1]

for (i in 1:nrow(dates_long)) {
  if (i == 1 || dates_long$Id[i] != dates_long$.Id[i - 1]) {
  
    ref_date <- as.Date(dates_long$date_[i], "%d-%m-%Y")
    time_period <- 0
  }
  
  date <- as.Date(dates_long$date_[i], "%d-%m-%Y")
 
  # Check for missing values in date
  if (!is.na(date)) {
    if (as.numeric(date - ref_date, units = "days") <= 45) {
      time_list[i] <- time_period
    } else {
      time_period <- time_period + 1 
      time_list[i] <- time_period
      ref_date <- date
    }
  } else {
    # Handle missing date values, for example, set time_list[i] to a specific value
    time_list[i] <- NA
  }
}

dates_long$time_list <- time_list

使用此代码，我尝试将每个 ID 的每个匹配对分配给 time_list。第一场比赛是时间 1，第二场比赛是 2，依此类推。我希望之后我可以根据本栏重新排列。

然而，遗憾的是这不起作用。希望各位聪明人都能知道答案。

亲切的问候

编辑：示例数据帧的输出：

dates_long <- structure(list(Participant.ld = c(1L, 1L, 1L, 1L, 1L, 1L, 2L, 
2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L), varA_date = structure(c(16576, 
16942, 17308, 17674, 18040, 18407, 16160, 16912, 17308, NA, NA, 
NA, 16576, 16942, 17308, 17674, 18040, 18407), class = "Date"), 
    varA_value = c(10L, 20L, 30L, 40L, 50L, 60L, 11L, 22L, 33L, 
    NA, NA, NA, NA, 44L, NA, NA, NA, NA), varB_date = structure(c(16942, 
    17674, 18040, NA, NA, NA, 16942, 17308, NA, NA, NA, NA, 16952, 
    NA, NA, NA, NA, NA), class = "Date"), varB_value = c(100L, 
    200L, 300L, 400L, 500L, 600L, 111L, 222L, NA, NA, NA, NA, 
    555L, NA, NA, NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-18L))

Answer 1

一次尝试 - 不确定这正是您所追求的，但在没有更完整的问题和可重复答案的情况下，这是我的尝试：

library(tidyverse)

# first create a true-r long form dataset:
dates_longer <- dates_long |> pivot_longer(cols = -c(Participant.ld),
                           names_to = c("Variable", ".value"),
                           names_sep = "_")

# next, establish our tolerance:
tolerance <- days(31)

# now do the main work:
dates_longer %>% 
  group_by(Participant.ld) %>%
  arrange(date, .by_group = TRUE) %>%
  ungroup() %>%
  mutate(datelag = date - lag(date, 1, default = date[1]-(tolerance+days(1))),
         # gives us a rolling "days since last entry"
         cluster = cumsum(datelag > tolerance | is.na(datelag))) %>%
         # starts a new cluster every time the gap is either greater than the tolerance
         # or if there's an NA date
  pivot_wider(names_from = Variable,
              names_glue = "{Variable}_{.value}", 
              values_from = c(value, date)) %>%
         # now pivoted back to the original format
  group_by(Participant.ld, cluster) %>%
  fill(starts_with("var"), .direction = "downup") %>%
  slice_head(n=1) %>%
         # cuts the set to one consolidated row for each cluster
  select(-c(datelag, cluster))

这给出：

# Groups:   Participant.ld, cluster [30]
   cluster Participant.ld varA_value varB_value varA_date  varB_date 
     <int>          <int>      <int>      <int> <date>     <date>    
 1       1              1         10         NA 2015-05-21 NA        
 2       2              1         20        100 2016-05-21 2016-05-21
 3       3              1         30         NA 2017-05-22 NA        
 4       4              1         40        200 2018-05-23 2018-05-23
 5       5              1         50        300 2019-05-24 2019-05-24
 6       6              1         60         NA 2020-05-25 NA        
 7       7              1         NA        400 NA         NA        
 8       8              1         NA        500 NA         NA        
 9       9              1         NA        600 NA         NA        
10      10              2         11         NA 2014-03-31 NA        
# … with 20 more rows
# ℹ Use `print(n = ...)` to see more rows