R语言多条件统计问题：日期范围内指定OPCS代码计数错误排查

问题根源 #

原代码的核心错误在于：mget(grep("^f\\.41272", names(m.data), value = TRUE))返回的是整个列的向量列表，搭配mapply调用时，opcs_col和date_col会传入整列数据，而start_date和end_date是每行的单个值，导致sum计算的是整列中满足条件的总数，而非每行内部多组OPCS/日期对的符合条件数。

正确解法（data.table原生风格） #

我们可以通过逐行遍历，将每行的OPCS代码与对应日期配对后统计：

library(data.table)

# 转换所有日期列格式（原代码此部分正确，补充首尾日期列的转换）
date_cols <- grep("^f\\.41282", names(m.data), value = TRUE)
m.data[, (date_cols) := lapply(.SD, as.Date, format = "%Y-%m-%d"), .SDcols = date_cols]
m.data[, c("date_range_start", "date_range_end") := lapply(.SD, as.Date, format = "%Y-%m-%d"), .SDcols = c("date_range_start", "date_range_end")]

# 定义逐行统计函数
count_row_opcs <- function(opcs, dates, start, end, target_codes) {
  pairs <- data.frame(opcs = opcs, dates = dates)
  sum(pairs$opcs %in% target_codes & pairs$dates >= start & pairs$dates <= end)
}

# 逐行应用函数
m.data[, opcs_count := count_row_opcs(
  opcs = c(f.41272.0.0, f.41272.0.1),
  dates = c(f.41282.0.0, f.41282.0.1),
  start = date_range_start,
  end = date_range_end,
  target_codes = opcs_anaesthetist
), by = .I]  # by=.I指定逐行处理

# 输出结果验证
print(m.data$opcs_count)
# 预期输出：0 0 2 1 0 0

适配多组列的灵活解法 #

如果后续会增加更多f.41272.*和f.41282.*列，可以用动态列名提取，避免硬编码：

# 动态提取OPCS和日期列名
opcs_cols <- grep("^f\\.41272", names(m.data), value = TRUE)
date_cols <- grep("^f\\.41282", names(m.data), value = TRUE)

# 逐行动态获取当前行的OPCS和日期值并统计
m.data[, opcs_count := {
  current_opcs <- unlist(.SD[, opcs_cols, with = FALSE])
  current_dates <- unlist(.SD[, date_cols, with = FALSE])
  sum(current_opcs %in% opcs_anaesthetist & current_dates >= date_range_start & current_dates <= date_range_end)
}, by = .I]

结果验证 #

运行上述代码后，opcs_count列结果完全符合预期：

• 第3行计数为2（A113、A143均属于目标代码且对应日期在范围内）
• 第4行计数为1（G451属于目标代码且对应日期在范围内）
• 其余行计数为0

内容的提问来源于stack exchange，提问作者Ben G