如何按参与者ID分组计算纵向调查数据的基线后天数

我有长格式的纵向调查数据，需要计算每个参与者的基线后天数——将每个参与者的首个日期设为基线（天数为0），后续日期计算与该基线的天数差。

原始数据 #

Participant     Date
1               2023-04-19
1               2023-05-01 
1               2023-05-16
2               2023-11-04 
2               2023-11-14
3               2024-01-02
3               2024-01-15
3               2024-02-01

期望结果 #

Participant     Date         Days since BL
1               2023-04-19      0
1               2023-05-01      12 
1               2023-05-16      27
2               2023-11-04      0
2               2023-11-14      10
3               2024-01-02      0
3               2024-01-15      14
3               2024-02-01      31

尝试的错误代码 #

df <- df %>%
group_by(Participant) %>%
mutate(Date = as.Date(Date, format='%y/%m/%d')) %>%
mutate(DIFF=Date - lag(Date))

但计算结果不正确，且未按参与者正确分组，请帮忙实现需求。

你的代码存在两个核心问题：

1. 日期格式不匹配：原始数据的日期是YYYY-MM-DD格式（比如2023-04-19），但你用了%y/%m/%d（两位年份+斜杠分隔）来转换，导致日期转换失败，后续计算自然出错。
2. 计算逻辑错误：lag(Date)是取当前行的上一行日期做差值，而你需要的是和每个参与者的第一条基线日期做差值。

以下是修正后的代码：

library(dplyr)

# 先统一转换日期格式，匹配原始数据的YYYY-MM-DD格式
df <- df %>%
  mutate(Date = as.Date(Date, format = "%Y-%m-%d")) %>%
  # 按参与者分组，确保每组单独计算基线
  group_by(Participant) %>%
  # 计算当前日期与组内第一条基线日期的天数差，转成数值型
  mutate(`Days since BL` = as.numeric(Date - first(Date))) %>%
  # 取消分组（可选，根据后续操作需求调整）
  ungroup()

代码说明 #

• as.Date(Date, format = "%Y-%m-%d")：正确匹配原始数据的日期格式，将字符型日期转换为可计算的日期类型。
• group_by(Participant)：按参与者分组，保证每个参与者的基线计算独立进行。
• first(Date)：提取每个参与者组内的第一条日期，也就是该参与者的基线日期。
• as.numeric(Date - first(Date))：日期相减得到时间差对象，转换为数值型后直接得到天数差，基线日期的差值自动为0，完全符合需求。

运行后即可得到你期望的结果。

内容的提问来源于stack exchange，提问作者Erb