DataFrame条件连接：计算护理连续体一年内累计治疗时长

问题背景 #

现有两个DataFrame：

• Persons：存储多个护理连续体的基础信息，包含护理连续体ID、起始日期等字段
• Treatments：记录对应护理连续体的治疗信息，包含治疗日期、时长等字段

需要为每个护理连续体，计算从其起始日开始365天内的累计治疗总时长。

数据示例 #

Persons DataFrame #

library(tidyverse)
library(lubridate)

persons = read.csv("https://www.dropbox.com/s/5ziygvwnbvq73fc/persons.csv?dl=1") %>% 
  mutate(continuum_start = ymd(continuum_start)) %>% 
  select(-1)
  
persons 

Treatments DataFrame #

treatments = read.csv("https://www.dropbox.com/s/0nfokiheo43lwjy/treatments.csv?dl=1") %>% 
  mutate(treatment_date = ymd(treatment_date)) %>% 
  select(-1)

treatments

解决方案 #

通过tidyverse和lubridate工具包实现，步骤如下：

1. 关联两个DataFrame的护理连续体ID
2. 筛选出治疗日期在护理连续体起始日至起始日+365天范围内的记录
3. 按护理连续体分组，对符合条件的治疗时长求和

代码实现：

# 关联数据并计算累计时长
result = persons %>%
  left_join(treatments, by = "continuum_id") %>%
  # 筛选365天范围内的治疗记录
  filter(treatment_date >= continuum_start,
         treatment_date <= continuum_start + days(365)) %>%
  # 按护理连续体分组求和
  group_by(continuum_id, continuum_start) %>%
  summarise(total_treatment_duration = sum(treatment_duration, na.rm = TRUE)) %>%
  ungroup()

result

期望结果 #

最终结果包含护理连续体ID、起始日期，以及该连续体起始后一年内的累计治疗时长，示例如下：

内容的提问来源于stack exchange，提问作者st4co4