在R中为分组时间序列生成距最近感染日的天数变量

用dplyr的分组累加逻辑就能解决这个问题，核心是给每个感染事件（包括首次感染）标记分组，然后在每个分组内计算距当前感染的天数。

步骤与代码 #

首先确保加载tidyverse工具包：

library(tidyverse)

假设你的数据集名为df，执行以下代码：

df <- df %>%
  # 按个体ID和时间点排序，这是时间序列处理的前提
  arrange(ID, timepoint) %>%
  group_by(ID) %>%
  # 标记所有感染事件：首次招募（Recruitment）和后续复染都算
  mutate(
    is_infection = if_else(status == "Recruitment" | infection == 1, 1, 0),
    # 生成感染组ID：每次感染后开启一个新分组
    infection_group = cumsum(is_infection)
  ) %>%
  # 按个体+感染组分组，计算距最近一次感染的天数
  group_by(ID, infection_group) %>%
  mutate(
    # 感染发生的时间点天数为0，后续随访累加距上次的天数
    days_since_last_infection = c(0, cumsum(days_from_previous_round[-1]))
  ) %>%
  ungroup() %>%
  # 可选：清理临时变量
  select(-is_infection, -infection_group)

逻辑说明 #

1. 排序：先按ID和timepoint排序，保证时间序列的顺序正确，避免计算出错。
2. 标记感染事件：is_infection把首次感染（status == "Recruitment"）和后续复染（infection == 1）的行标记为1，其他为0。
3. 生成感染分组：infection_group通过累加is_infection值，给每个感染事件及其后续随访分配同一个组ID——比如首次感染是组1，第一次复染是组2，第二次复染是组3，以此类推。
4. 计算距最近感染的天数：在每个个体的感染分组内，感染发生的时间点天数设为0，后续随访的天数则累加days_from_previous_round，这样自动实现“复染后重置计数”的需求。

如果没有复染，整个个体只有一个感染分组，计算出的days_since_last_infection会和days_total_length完全一致；如果有多次复染，每次复染后都会重新开始计数，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者bellbyrne