如何从Visits DataFrame提取观测日期6个月±15天的重要值至观测表

方法一：使用dplyr（Tidyverse风格） #

先修正时间窗口为需求的±15天，再通过关联、筛选、排序找到每个观测对象最接近目标日期的访问记录：

library(dplyr)
library(lubridate)

# 1. 修正目标日期及允许的时间窗口（±15天）
observations <- observations %>%
  mutate(
    target_date = observation_date + days(180),
    window_start = target_date - days(15),
    window_end = target_date + days(15)
  )

# 2. 关联数据集并筛选时间范围内的访问记录
matched_data <- inner_join(visit_data, observations, 
                          by = c("visit_observation_id" = "observation_id")) %>%
  filter(visit_date >= window_start & visit_date <= window_end) %>%
  # 计算访问日期与目标日期的天数差绝对值
  mutate(date_diff = abs(as.numeric(visit_date - target_date))) %>%
  # 按观测对象分组，取天数差最小的第一条记录
  group_by(observation_id) %>%
  arrange(date_diff, .by_group = TRUE) %>%
  slice_head(n = 1) %>%
  ungroup() %>%
  select(observation_id, important_value)

# 3. 将匹配结果合并回原观测数据集
observations <- observations %>%
  left_join(matched_data, by = "observation_id") %>%
  rename(observation_date_6months_later_important_value = important_value)

方法二：使用data.table（适合大数据量场景） #

如果数据集规模较大，data.table的运算效率更优：

library(data.table)
library(lubridate)

# 转换为data.table格式
setDT(observations)
setDT(visit_data)

# 计算目标日期及时间窗口
observations[, `:=`(
  target_date = observation_date + days(180),
  window_start = target_date - days(15),
  window_end = target_date + days(15)
)]

# 关联并筛选，取每个观测对象最接近目标日期的记录
matched_dt <- visit_data[observations, on = .(visit_observation_id = observation_id)][
  visit_date >= window_start & visit_date <= window_end,
  .(date_diff = abs(as.numeric(visit_date - target_date)), important_value),
  by = .(observation_id)
][order(date_diff), .SD[1], by = observation_id]

# 合并结果到原数据集
observations[matched_dt, on = "observation_id", 
             observation_date_6months_later_important_value := important_value]

关键说明 #

• 若某个观测对象在±15天窗口内无访问记录，对应列将保留NA，符合初始设置
• 若同一观测对象在窗口内有多个访问记录天数差相同（如同一天的多次访问），可将slice_head(n=1)替换为summarise(important_value = mean(important_value))取均值，或根据需求选择最大值/最小值
• 用lubridate::days()确保日期运算的准确性，避免因月份天数差异导致的误差

内容的提问来源于stack exchange，提问作者MDStat