R：在数据帧B中填充行之前的日期使用来自数据帧A的值 [英] R: Using values from data frame A from a date prior to populate a row in data frame B

问题描述

这可能非常复杂，我怀疑需要高级知识。我现在有两种不同类型的数据。我需要组合：

数据：

数据帧A ：

按患者ID列出所有输血日期。每次输血均由单独的一行表示，患者可以多次输血。不同的病人在同一天可以输血。

 患者ID Transfusion.Date 
 1 01/01/2000 
 1 01/30/2000 
 2 04/01/2003 
 3 04/01/2003 
  

B类包含其他日期的测试结果，也包括患者ID：

 患者ID Test.Date Test.Value 
 1 11/30/1999负
 1 01/15/2000 700份/ uL 
 1 01/27/2000 900份/ uL 
 2 03/30/2003负
  

我想要的是数据帧A具有相同的行数（每次输注1个），并且最近的Test.Value作为一个单独的列。每个输血日期应具有最接近输血的测试结果（之前）。

所需输出：

- >

< p $ p> 患者ID Transfusion.Date Pre.Transfusion.Test
1 01/01/2000负
1 01/30/2000 900份/ ul
2 04/01/2003负
3 04/01/2003 NA


我认为一般策略将是按照患者ID对数据框架进行子集。然后取病人1的所有输血日期，检查哪个结果最接近每个元素的所有可用测试日期，然后返回最接近的值。

我如何解释R

编辑1 ：以下是这些示例的R代码

  df_A<  -  data.frame（MRN = c（1,1,2,3），
 Transfusion.Date = as.Date（c（'01 / 01 / 2000'，'01 / 30/2000'，
 '04 / 01/2003'，'04/01/2003'），'％m /％d /％Y'））
 
 df_B<  -  data.frame（MRN = c（1,1,1,2），
 Test.Date = as.Date（c（'11 / 30/1999'，'01 / 15 / 2000'，'01 / 27/2000'，
 '03 / 30/2003'），'％m /％d /％Y'），Test.Result = c（'negative'，
 '700份/ ul'，'900份/ ul'，'negative'））
  

编辑2：

为了澄清，结果数据应该是：患者A接受输血在第X天和第Y天（对于df_A）。在第X天输液之前，他最近的检测结果是X（最初的输血测试日期，在df_B中）。在第Y天输血之前，他最近的测试结果是Y（在第二次输血之前，也在df_B中，df_B还包含一些其他测试日期，这些测试日期并不是最终的输出。

解决方案

这里使用 data.table 的滚动联接：

  require（data.table）
 setkey（setDT（df_A），MRN，Transfusion.Date）
 setkey（setDT（df_B） ，MRN，Test.Date）
 
 df_B [df_A，roll = TRUE] 
＃MRN Test.Date Test.Result 
＃1：1 2000-01-01 negative 
＃2：1 2000-01-30 900份/ ul 
＃3：2 2003-04-01负
＃4：3 2003-04-01 NA 
  





• setDT convert data.frame to data.table 通过引用（没有任何额外的复制），这将导致 df_A 和 df_B 现在是data.tables。




• setkey 排序数据.table 由我们提供的列和标记这些列作为关键列，这允许我们使用基于二进制搜索的连接。




• 我们在关键列上执行表单 x [i] 的连接，其中每行 i ，匹配的行 x （如果有的话，其他NA）以及 i 的行被返回。这就是我们所说的均衡加入。通过添加 roll = TRUE ，如果不匹配，最后一次观察结束（LOCF）。这就是我们所说的滚动加入。以递增顺序排序（由于 setkey（））确保最后一次观察是最近的日期。







HTH




This may be very complicated and I suspect requires advanced knowledge. I have now two different types of data.frames I need to combine:

The data:

Dataframe A:

lists all transfusion dates by patient ID. Every transfusion is represented by a separate row, patients can have multiple transfusions. Different patients can have transfusions on the same date.

Patient ID Transfusion.Date
1          01/01/2000
1          01/30/2000
2          04/01/2003
3          04/01/2003

Dataframes of Type B contain test results at other dates, also by patient ID:

Patient ID  Test.Date   Test.Value
1           11/30/1999   negative
1           01/15/2000   700 copies/uL
1           01/27/2000   900 copies/uL
2           03/30/2003   negative

What I would like to have is Dataframe A with the same number of rows (1 for each transfusion), and with the most recent Test.Value as a separate column. Each transfusion date should have the test result from the test performed most closely (prior) to the transfusion.

desired output:

-->

Patient ID Transfusion.Date Pre.Transfusion.Test
1          01/01/2000       negative
1          01/30/2000       900 copies/ul
2          04/01/2003       negative
3          04/01/2003       NA

I think the general strategy would be to subset the data.frames by patient IDs. Then take all transfusion dates for patient 1, check which result is closest to all available test_dates for each element and then return the value closest.

How can I explain R to do that?

Edit 1: Here is the R-code for these examples

df_A <- data.frame(MRN = c(1,1,2,3), 
                   Transfusion.Date = as.Date(c('01/01/2000', '01/30/2000', 
                   '04/01/2003','04/01/2003'),'%m/%d/%Y')) 

df_B <- data.frame(MRN = c(1,1,1,2), 
                   Test.Date = as.Date(c('11/30/1999', '01/15/2000', '01/27/2000', 
                   '03/30/2003'),'%m/%d/%Y'), Test.Result = c('negative', 
                   '700 copies/ul','900 copies/ul','negative'))

Edit 2:

To clarify, the resulting data should be: Patient A received transfusions on Day X and Day Y. (for df_A). Prior to the transfusion on day X, his most recent test result was X (closest test date to first transfusion, in df_B). Prior to the transfusion on day Y, his most recent test result was Y (prior to the second transfusion, also in df_B. df_B also contains a bunch of other test dates, which are not needed for the final output.

解决方案

Here's using data.table's rolling joins:

require(data.table)
setkey(setDT(df_A), MRN, Transfusion.Date)
setkey(setDT(df_B), MRN, Test.Date)

df_B[df_A, roll=TRUE]
#    MRN  Test.Date   Test.Result
# 1:   1 2000-01-01      negative
# 2:   1 2000-01-30 900 copies/ul
# 3:   2 2003-04-01      negative
# 4:   3 2003-04-01            NA

• setDT converts data.frame to data.table by reference (without any additional copying). That'll result in df_A and df_B now being data.tables.

• setkey sorts the data.table by the columns we provided, and marks those columns as key columns, which allows us to use binary search based joins.

• We perform a join of the form x[i] on the key columns, where for each row of i, the matching rows of x (if any, else NA) along with i's rows are returned. This is what we call an equi-join. By adding roll = TRUE, in the event of a mismatch, the last observation is carried forward (LOCF). This is what we call a rolling join. The sorting in increasing order (due to setkey()) ensures that the last observation is the most recent date.

HTH

这篇关于R：在数据帧B中填充行之前的日期使用来自数据帧A的值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！