R语言：合并含重复事件的DataFrame并统计手术日30天内样本数

核心思路 #

通过按患者ID关联两个数据集，让每一条手术记录匹配到该患者的所有样本记录，计算样本日期与手术日期的天数差，筛选出前后30天的范围后统计样本数量。

修正测试数据（原数据日期无重叠，调整后便于验证） #

library(dplyr)

# df1：患者ID + 手术日期
id <- c(1, 2, 3, 4)
sx_date <- seq(as.Date("2010-01-01"), as.Date("2010-10-09"), by = "6 days") 
df1 <- expand.grid(id = id, sx_date = sx_date)

# df2：患者ID + 样本日期 + 样本名称
id <- c(1, 2, 3, 4)
sample_date <- seq(as.Date("2009-12-01"), as.Date("2010-11-09"), by = "4 days")
sample <- rep(c("hgb","crp","Na","K"), each=5)
df2 <- expand.grid(id = id, sample_date = sample_date, sample = sample) %>% arrange(id)

步骤1：按ID合并数据集并计算日期差 #

# 按ID关联，让每条手术记录匹配同ID的所有样本
merged_data <- df1 %>%
  left_join(df2, by = "id") %>%
  # 计算样本日期与手术日期的天数差（负数表示样本在手术前）
  mutate(date_diff = as.numeric(difftime(sample_date, sx_date, units = "days")))

步骤2：筛选范围并统计样本数量 #

统计每个手术对应的总样本数

total_sample_count <- merged_data %>%
  # 筛选手术前后30天内的样本（包含手术当天）
  filter(between(date_diff, -30, 30)) %>%
  # 按患者ID和手术日期分组统计
  group_by(id, sx_date) %>%
  summarise(total_samples = n(), .groups = "drop")

按样本类型细分统计

如果需要统计每个手术前后30天内各类型样本的数量，用以下代码：

sample_type_count <- merged_data %>%
  filter(between(date_diff, -30, 30)) %>%
  group_by(id, sx_date, sample) %>%
  summarise(type_count = n(), .groups = "drop")

关键说明 #

• 使用left_join确保不会丢失df1中的任何手术记录
• difftime的units = "days"参数确保计算的是天数差，转成数值型后方便用between筛选范围
• .groups = "drop"用于分组统计后取消分组状态，避免后续操作的潜在问题

内容的提问来源于stack exchange，提问作者r_newbie