如何在R中基于特定逻辑计算`date_first_boosted`变量？

数据准备 #

以下是生成示例数据框的代码：

df <- structure(list(master_id = c(100L, 100L, 102L, 102L, 600L, 600L, 800L, 800L, 800L), vaccination_id = c(19682164L, 26761757L, 21051316L, 26452487L, 20834063L, 26513056L, 20833333L, 26514589L, 26514501L), vaccine_name = c("JSN", "PFR", "JSN", "MOD", "JSN", "MOD", "JSN", "PFR", "PFR"), vaccine_code = c(212L, 208L, 212L, 207L, 212L, 207L, 212L, 208L, 208L), given_date = c("3/9/2021", "11/9/2021", "4/11/2021", "11/1/2021", "4/7/2021", "11/3/2021", "3/10/2021", "11/22/2021", "5/23/2022"), dose_number = c(1L, 2L, 1L, 2L, 1L, 2L, 1L, 2L, 3L)), class = "data.frame", row.names = c(NA, -9L))

数据框结构如下：

master_id vaccination_id vaccine_name vaccine_code given_date dose_number
1       100       19682164          JSN          212   3/9/2021           1
2       100       26761757          PFR          208  11/9/2021           2
3       102       21051316          JSN          212  4/11/2021           1
4       102       26452487          MOD          207  11/1/2021           2
5       600       20834063          JSN          212   4/7/2021           1
6       600       26513056          MOD          207  11/3/2021           2
7       800       20833333          JSN          212  3/10/2021           1
8       800       26514589          PFR          208 11/22/2021           2
9       800       26514501          PFR          208  5/23/2022           3

需求说明 #

需要新增date_first_boosted列，标记用户首次符合加强针条件的日期，判断逻辑满足以下任一组合即可：

• 3剂及以上PFR疫苗；
• 3剂及以上MOD疫苗；
• 3剂及以上MOD与PFR组合疫苗；
• 2剂及以上JSN疫苗；
• 2剂及以上JSN与PFR组合疫苗；
• 2剂及以上JSN与MOD组合疫苗；

期望输出如下：

master_id vaccination_id vaccine_name vaccine_code given_date dose_number date_first_boosted
1       100       19682164          JSN          212   3/9/2021           1                   
2       100       26761757          PFR          208  11/9/2021           2          11/9/2021
3       102       21051316          JSN          212  4/11/2021           1                   
4       102       26452487          MOD          207  11/1/2021           2          11/1/2021
5       600       20834063          JSN          212   4/7/2021           1                   
6       600       26513056          MOD          207  11/3/2021           2          11/3/2021
7       800       20833333          JSN          212  3/10/2021           1                   
8       800       26514589          PFR          208 11/22/2021           2         11/22/2021
9       800       26514501          PFR          208  5/23/2022           3         11/22/2021

解决方案代码 #

使用dplyr包完成分组计算，步骤如下：

1. 转换日期格式确保排序逻辑正确；
2. 按用户分组，按接种日期排序；
3. 累计统计各类疫苗接种数量，判断是否满足加强针条件；
4. 提取首次符合条件的日期并填充到用户所有后续行。

library(dplyr)

df <- df %>%
  # 转换日期格式
  mutate(given_date = as.Date(given_date, format = "%m/%d/%Y")) %>%
  # 按用户分组并按接种日期排序
  group_by(master_id) %>%
  arrange(given_date, .by_group = TRUE) %>%
  # 累计统计各类疫苗接种量
  mutate(
    total_jsn = cumsum(vaccine_name == "JSN"),
    total_pfr = cumsum(vaccine_name == "PFR"),
    total_mod = cumsum(vaccine_name == "MOD"),
    # 判断当前行是否符合加强针条件
    is_boosted = case_when(
      total_pfr >= 3 ~ TRUE,
      total_mod >= 3 ~ TRUE,
      (total_pfr + total_mod) >= 3 ~ TRUE,
      total_jsn >= 2 ~ TRUE,
      (total_jsn + total_pfr) >= 2 ~ TRUE,
      (total_jsn + total_mod) >= 2 ~ TRUE,
      TRUE ~ FALSE
    ),
    # 标记首次符合条件的日期
    date_first_boosted = ifelse(is_boosted, given_date, NA),
    # 将首次日期填充到用户所有后续行
    date_first_boosted = first(date_first_boosted[is_boosted])
  ) %>%
  # 转换回原日期字符串格式
  mutate(given_date = format(given_date, "%m/%d/%Y"),
         date_first_boosted = ifelse(is.na(date_first_boosted), "", format(date_first_boosted, "%m/%d/%Y"))) %>%
  ungroup() %>%
  # 恢复原数据列顺序
  select(master_id, vaccination_id, vaccine_name, vaccine_code, given_date, dose_number, date_first_boosted)

# 查看结果
print(df, row.names = FALSE)

输出结果 #

运行代码后得到的结果与期望输出一致：

master_id vaccination_id vaccine_name vaccine_code given_date dose_number date_first_boosted
      100       19682164          JSN          212   3/9/2021           1                   
      100       26761757          PFR          208  11/9/2021           2          11/9/2021
      102       21051316          JSN          212  4/11/2021           1                   
      102       26452487          MOD          207  11/1/2021           2          11/1/2021
      600       20834063          JSN          212   4/7/2021           1                   
      600       26513056          MOD          207  11/3/2021           2          11/3/2021
      800       20833333          JSN          212  3/10/2021           1                   
      800       26514589          PFR          208 11/22/2021           2         11/22/2021
      800       26514501          PFR          208  5/23/2022           3         11/22/2021

内容的提问来源于stack exchange，提问作者user3813620