如何用tidyverse按条件连接DataFrame？护理治疗数据筛选需求

需求明确：从Persons和Treatments数据集中，提取每个人每个护理连续体启动后首次接受治疗的时长，需满足：

• 治疗日期不得早于对应护理连续体的启动日期（treatment_date >= continuum_start）；
• 仅保留每组中治疗日期与启动日期差值最小的记录（即首次符合条件的治疗）。

数据集说明 #

• Persons数据集：存储人员的护理连续体信息，核心字段包括person_id（人员唯一标识）、continuum_start（护理连续体启动日期）。
• Treatments数据集：存储人员的治疗记录，核心字段包括person_id（关联人员ID）、treatment_date（治疗日期）、treatment_hours（治疗时长，单位：小时）。

R代码实现 #

library(tidyverse)
library(lubridate)

# 读取并预处理数据集
persons <- read.csv("https://www.dropbox.com/s/5ziygvwnbvq73fc/persons.csv?dl=1") %>% 
  mutate(continuum_start = ymd(continuum_start)) %>% 
  select(-1)

treatments <- read.csv("https://www.dropbox.com/s/0nfokiheo43lwjy/treatments.csv?dl=1") %>% 
  mutate(treatment_date = ymd(treatment_date)) %>% 
  select(-1)

# 核心处理逻辑
final_result <- persons %>%
  # 按人员ID关联两个数据集
  inner_join(treatments, by = "person_id") %>%
  # 筛选符合时间要求的治疗记录
  filter(treatment_date >= continuum_start) %>%
  # 计算治疗日期与护理启动日的间隔天数（确保跨月计算准确）
  mutate(days_interval = as.duration(treatment_date - continuum_start) / ddays(1)) %>%
  # 按人员ID+护理启动日分组，提取间隔最小的首次治疗记录
  group_by(person_id, continuum_start) %>%
  slice_min(days_interval, n = 1, with_ties = FALSE) %>%
  ungroup() %>%
  # 整理输出字段
  select(person_id, continuum_start, first_treatment_date = treatment_date, first_treatment_hours = treatment_hours)

# 查看最终结果
final_result

代码说明 #

1. 关联数据集：使用inner_join确保只保留同时存在护理连续体记录和治疗记录的人员；
2. 时间筛选：通过filter过滤掉护理启动前的无效治疗记录；
3. 间隔计算：用as.duration计算日期间隔，避免普通减法在跨月时的误差；
4. 提取首次记录：slice_min直接按间隔天数取每组第一条记录，with_ties = FALSE确保即使同一天有多个治疗，也只保留一条（若需保留所有同日记录，可改为filter(days_interval == min(days_interval))）；
5. 字段重命名：将输出字段调整为更直观的名称，方便后续查看。

内容的提问来源于stack exchange，提问作者st4co4