在R中按ID将每日纵向数据合并为月度观测值

核心思路 #

针对每个受试者的每日观测，先按ID分组，再通过对time列做30天整数分段生成分组标识，最后按ID和分段标识汇总数据，自动适配不同受试者的总观测天数差异。

具体步骤与代码示例 #

1. 加载dplyr包

library(dplyr)

2. 生成30天分组并汇总数据

df_processed <- df %>%
  # 先按受试者ID分组
  group_by(ID) %>%
  # 生成30天为单位的分组标识：0-29天为组0，30-59天为组1，依此类推
  mutate(month_group = floor(time / 30)) %>%
  # 在ID分组基础上，添加30天分组作为汇总依据
  group_by(ID, month_group, .add = TRUE) %>%
  # 按需汇总变量，以下为示例，可根据实际需求调整
  summarise(
    avg_BMI = mean(BMI, na.rm = TRUE),          # BMI的月度均值
    total_Dis = sum(Dis, na.rm = TRUE),         # 月度Dis事件总数
    Drug1_usage_days = sum(Drug1, na.rm = TRUE),# Drug1的月度使用天数
    Drug2_all_used = all(Drug2 == 1),           # 判断Drug2是否全月使用
    .groups = "drop"                            # 汇总后取消分组
  )

关键细节说明 #

• floor(time / 30)：通过整数除法实现30天分段，不管受试者总天数是多少，都会自动将观测划分为连续的30天组，最后一组不足30天的也会单独作为一组保留。
• 如果你的time列是日期格式（如POSIXct/Date），需要先转换为相对于受试者首次观测的天数差，再进行分段：

  df_processed <- df %>%
    group_by(ID) %>%
    mutate(
      # 计算相对于首次观测的天数
      time_days = as.numeric(difftime(time, min(time), units = "days")),
      month_group = floor(time_days / 30)
    ) %>%
    group_by(ID, month_group, .add = TRUE) %>%
    summarise(...) # 后续汇总逻辑同上
  

内容的提问来源于stack exchange，提问作者Statistix