如何编写循环调整日期时段？合并同ID同剂量的连续治疗周期

我有一个包含数千人的大型数据集，每个人的每个治疗周期单独一行记录，字段包括id、inn（开始日期）、out（结束日期）和dose（剂量）。规则是：两个连续治疗周期间隔超过7天的话，会有一行记录该间隔时段且dose=0；间隔小于7天则无此记录。

需求：将每个用户满足以下条件的多个周期合并为一个连续周期：

• 同一id
• 同一dose
• 彼此间隔小于7天
  不同剂量的相邻周期即使间隔小于7天也不合并。

我尝试用ifelse实现，但遇到多个需合并的相邻周期时出错，想写循环又搞不定，求帮助。

示例数据集 #

library(data.table)

d=data.frame(id=c(1,1,1,1,1,1,1,2,2,2,2,2,2),
             inn=as.Date(c("2017-09-11", "2017-12-21", "2018-03-19", "2018-06-27", "2019-01-15", "2019-04-29", "2019-11-20",
                           "2019-02-06","2019-04-07","2019-05-14","2019-07-13","2019-07-23","2019-09-25")), 
             out=as.Date(c("2017-12-21","2018-03-19", "2018-06-27", "2019-01-15", "2019-04-25", "2019-11-15", "2021-07-10",
                           "2019-04-07","2019-05-14","2019-07-13","2019-07-23","2019-09-21","2021-05-14")),
             dose=c("20","0","20","0", "20", "20","20","2.5","0","2.5","0","2.5","2.5"))

setDT(d)

期望结果 #

e=data.frame(id=c(1,1,1,1,1,2,2,2,2,2),
             inn=as.Date(c("2017-09-11", "2017-12-21", "2018-03-19", "2018-06-27", "2019-01-15",
                           "2019-02-06","2019-04-07","2019-05-14","2019-07-13","2019-07-23")), 
             out=as.Date(c("2017-12-21","2018-03-19", "2018-06-27", "2019-01-15","2021-07-10",
                           "2019-04-07","2019-05-14","2019-07-13","2019-07-23","2021-05-14")),
             dose=c("20","0","20","0", "20","2.5","0","2.5","0","2.5"))

利用data.table的高效分组与窗口函数可以实现需求，无需编写循环，处理大数据集效率更高。核心逻辑是通过标记合并组，再按组聚合得到合并后的周期：

library(data.table)

# 1. 在同id同dose分组内，获取上一个周期的结束日期
d[, prev_out := shift(out), by = .(id, dose)]
# 2. 计算当前周期开始与上一个同剂量周期结束的间隔天数
d[, gap := inn - prev_out]
# 3. 创建合并组标签：间隔≥7天或为组内首条记录时，组号递增
d[, group := cumsum(is.na(gap) | gap >= 7), by = .(id, dose)]
# 4. 按id、dose、group分组，聚合得到合并后的周期（取组内最早inn、最晚out）
result <- d[, .(inn = min(inn), out = max(out)), by = .(id, dose, group)]
# 5. 移除group列并按id、inn排序
result <- result[, !"group"][order(id, inn)]

# 输出结果
print(result)

代码说明 #

• shift(out), by = .(id, dose)：在同一id和dose的分组内，提取上一行的out日期，用于计算间隔
• gap := inn - prev_out：得到当前周期与上一个同剂量周期的间隔天数
• cumsum(is.na(gap) | gap >=7)：生成合并组标识，当间隔≥7天或为组内第一条记录（gap为NA）时，组号加1，确保间隔<7天的同剂量周期归为同一组
• 最后按组聚合，取组内最早的开始日期和最晚的结束日期，得到合并后的连续周期

运行后结果与你给出的期望结果完全一致，且该方法基于向量化操作，处理大规模数据效率优于循环。

内容的提问来源于stack exchange，提问作者Noa