在R语言中提取个体状态转移年龄对并构建转移表格

原始数据集 #

需求说明 #

需要为每个个体（按PTNUM分组）提取三种状态转移对应的年龄对，规则如下：

• 1→2转移：取该个体最后一次处于STATE 1的AGE，以及首次进入STATE 2的AGE，组合为(age1, age2)；若未发生该转移则填NA。
• 2→3转移：取该个体最后一次处于STATE 2的AGE（在首次进入STATE 3之前的最后一次），以及首次进入STATE 3的AGE，组合为(age2, age3)；若未发生该转移则填NA。
• 3→2转移：取该个体首次转回STATE 2之前最后一次处于STATE 3的AGE，以及此次转回STATE 2的AGE，组合为(age3, age2)；若未发生该转移则填NA。

预期输出 #

请问如何在R语言中实现这一需求？

使用dplyr包进行分组处理，结合位置筛选和汇总逻辑即可实现需求，以下是完整可运行代码：

# 加载依赖包
library(dplyr)

# 构造原始数据集
df <- tibble(
  PTNUM = c(12345,12345,12345,12345,12345,
            12346,12346,12346,12346,12346,
            12347,12347,12347,12347,12347,
            12348,12348,12348,12348,12348,
            12349,12349,12349,12349,12349),
  STATE = c(1,1,2,3,2,
            1,1,1,1,1,
            1,2,2,3,3,
            1,2,3,2,3,
            1,2,2,2,3),
  AGE = c(17,20,26,31,37,
          15,23,28,33,41,
          19,23,29,32,39,
          17,22,29,31,40,
          12,19,24,30,36),
  WAVE = c(1,2,3,4,5,
           1,2,3,4,5,
           1,2,3,4,5,
           1,2,3,4,5,
           1,2,3,4,5)
)

# 分组计算转移年龄对
result <- df %>%
  group_by(PTNUM) %>%
  summarise(
    # 处理1→2转移
    `1-2` = ifelse(any(STATE == 1) & any(STATE == 2) & max(which(STATE == 1)) < min(which(STATE == 2)),
                   paste0("(", max(AGE[STATE == 1]), ",", min(AGE[STATE == 2]), ")"),
                   NA),
    # 处理2→3转移
    `2-3` = ifelse(any(STATE == 2) & any(STATE == 3),
                   {
                     first_3_pos <- min(which(STATE == 3))
                     last_2_before_3 <- max(AGE[STATE == 2 & seq_along(STATE) < first_3_pos])
                     paste0("(", last_2_before_3, ",", min(AGE[STATE == 3]), ")")
                   },
                   NA),
    # 处理3→2转移
    `3-2` = ifelse(any(STATE == 3) & any(STATE == 2 & seq_along(STATE) > min(which(STATE == 3))),
                   {
                     first_2_after_3_pos <- min(which(STATE == 2 & seq_along(STATE) > min(which(STATE == 3))))
                     last_3_before_2 <- max(AGE[STATE == 3 & seq_along(STATE) < first_2_after_3_pos])
                     age_2_after_3 <- AGE[first_2_after_3_pos]
                     paste0("(", last_3_before_2, ",", age_2_after_3, ")")
                   },
                   NA)
  ) %>%
  ungroup()

# 查看结果
print(result)

代码逻辑说明 #

1. 数据构造：将原始数据转换为tibble格式，便于后续处理。
2. 分组处理：按PTNUM分组后，针对每个个体分别计算三种转移：
   • 1→2转移：先验证是否存在先1后2的状态序列，满足则取最后一次1的年龄和首次2的年龄组合。
   • 2→3转移：找到首次出现3的位置，取该位置之前最后一次2的年龄，结合首次3的年龄生成组合。
   • 3→2转移：找到首次在3之后出现2的位置，取该位置之前最后一次3的年龄，结合此次2的年龄生成组合。
3. 结果输出：最终生成符合预期的结构化表格。

内容的提问来源于stack exchange，提问作者Hari