如何将DataFrame按时间关联事件分组并转为宽格式？

核心思路 #

要实现需求，需先将宽格式数据转为长格式，按受试者ID分组处理时间数据：

1. 对每个ID的非NA时间值排序
2. 按时间差>0.25的规则划分事件组
3. 每个事件组取最小时间值，再转回宽格式生成event_1至event_X列
4. 修正原代码中事件数量判断的逻辑错误

完整代码实现 #

首先加载所需工具包：

library(tidyverse)

步骤1：数据格式转换与事件分组

# 1. 将宽格式转为长格式，过滤缺失值并排序
df_long <- df %>%
  pivot_longer(cols = starts_with("Time_to_code_"), 
               names_to = "data_source", 
               values_to = "time_to_code") %>%
  filter(!is.na(time_to_code)) %>%
  arrange(ID, time_to_code)

# 2. 按ID划分事件组，每组取最小时间
df_events <- df_long %>%
  group_by(ID) %>%
  # 计算相邻时间差，标记新事件组的起点
  mutate(time_diff = time_to_code - lag(time_to_code),
         event_group = cumsum(ifelse(is.na(time_diff), FALSE, time_diff > 0.25)) + 1) %>%
  # 每个事件组保留最小时间
  group_by(ID, event_group) %>%
  summarise(event_time = min(time_to_code), .groups = "drop") %>%
  # 生成事件列名（event_1, event_2...）
  mutate(event_col = paste0("event_", event_group)) %>%
  # 转回宽格式
  pivot_wider(id_cols = ID, 
              names_from = event_col, 
              values_from = event_time)

步骤2：合并原数据并修正事件判断列

# 3. 与原DataFrame合并，补全事件列
df_final <- df %>%
  left_join(df_events, by = "ID") %>%
  # 修正"是否多事件"判断
  mutate(Multiple_Injuries = case_when(
    rowSums(!is.na(select(., starts_with("event_")))) >= 2 ~ "Yes",
    TRUE ~ "No"
  ),
  # 修正"事件数量"计算
  Number_of_injuries = rowSums(!is.na(select(., starts_with("event_"))))
  )

关键说明 #

1. 事件分组逻辑：
   • 对每个ID的时间排序后，当相邻时间差>0.25时，开启新的事件组
   • 第一个时间自动归为event_1，后续时间根据差值得出所属组
2. 原代码问题修正：
   • 原Number_of_injuries错误返回非NA列数，现在改为统计实际事件组数量
   • 原Multiple_Injuries逻辑仅需验证事件数≥2即可，无需依赖时间差统计
3. 结果完整性：
   • 未发生多事件的ID，event_2及后续列会显示NA，不影响原数据结构

内容的提问来源于stack exchange，提问作者DW1310