如何在R中提取与visit_Date最接近的10天测量数据区间

问题背景 #

我有按日记录的重复测量数据（如血糖监测数据），每个个体的设备佩戴时长不同（从1周到6个月不等），每个个体对应最多3次访视（visit_Date列）。需要提取每个id+visit_Date组合对应的最接近访视日期的10天区间数据，规则如下：

• 优先提取visit_Date之后的10天数据
• 若visit_Date之后的数据不足10天，则提取包含visit_Date的连续10天区间（尽可能覆盖更多访视后的数据）

数据样例 #

datos <- data.frame(
  id = c(1,1,1,1,1,2,2,2,2,2,2),
  visit_Date = c(rep("2020-03-06",5), rep("2018-03-30",6)),
  time = c(
    "2022-02-22 17:09:00", "2022-02-26 17:09:00", "2022-02-26 17:14:00",
    "2022-02-28 17:19:00", "2022-03-07 17:24:00", "2022-03-07 17:29:00",
    "2022-03-24 17:22:00", "2022-03-30 17:27:00", "2022-04-10 17:32:00",
    "2022-04-24 17:37:00", "2022-04-26 17:37:00"
  ),
  value = c(10,10,11,11,12,11,13,10,11,12,12)
)

现有代码问题 #

当前代码仅筛选visit_Date之后的数据，无法处理访视后时长不足10天的场景：

library(lubridate)

datos %>% 
   dplyr::filter(time >= visit_Date) %>%
   group_by(id, visit_Date) %>%
   arrange(desc(time)) %>%
   dplyr::filter(time < time + 10) %>%
   summarise(min = min(time), max = max(time))

解决方案 #

使用dplyr+lubridate实现逻辑，无需拆分前后数据再合并：

library(dplyr)
library(lubridate)

datos_processed <- datos %>%
  # 转换为日期时间格式，确保计算准确性
  mutate(
    visit_Date = ymd(visit_Date),
    time = ymd_hms(time)
  ) %>%
  group_by(id, visit_Date) %>%
  mutate(
    # 标记访视后的数据，计算访视后最晚记录时间
    is_after = time >= visit_Date,
    max_after_time = max(time[is_after], na.rm = TRUE),
    # 判断访视后是否有足够10天的数据
    has_enough_after = max_after_time - visit_Date >= days(10)
  ) %>%
  mutate(
    # 确定筛选区间的起止时间
    interval_start = if_else(
      has_enough_after,
      visit_Date,
      max_after_time - days(10)
    ),
    interval_end = if_else(
      has_enough_after,
      visit_Date + days(10),
      max_after_time
    )
  ) %>%
  # 筛选区间内的记录，清理辅助列
  filter(time >= interval_start & time <= interval_end) %>%
  select(-is_after, -max_after_time, -has_enough_after, -interval_start, -interval_end) %>%
  ungroup()

代码逻辑解释 #

1. 类型转换：将visit_Date和time统一转换为lubridate的日期时间类型，避免计算误差。
2. 访视后数据判断：标记每条记录是否在访视日期之后，同时获取访视后最晚的记录时间。
3. 足够性校验：检查访视后的数据跨度是否≥10天，决定后续区间规则。
4. 区间生成：
   • 若访视后数据足够：取[visit_Date, visit_Date+10天]的区间
   • 若不足：取[max_after_time-10天, max_after_time]的区间，自动包含visit_Date（因为max_after_time≥visit_Date，往前推10天会覆盖访视前后的数据）
5. 筛选清理：保留区间内的有效记录，删除辅助计算列。

验证结果 #

运行后得到符合需求的输出：

# 输出结果
id  visit_Date   time                 value
1   2020-03-06   2022-02-26 17:09:00  10    
1   2020-03-06   2022-02-26 17:14:00  11   
1   2020-03-06   2022-02-28 17:19:00  11   
1   2020-03-06   2022-03-07 17:24:00  12   
1   2020-03-06   2022-03-07 17:29:00  11   
2   2018-03-30   2022-03-24 17:22:00  13   
2   2018-03-30   2022-03-30 17:27:00  10

内容的提问来源于stack exchange，提问作者user2380782