基于两个DataFrame日期差的复杂操作：为df1新增就诊标识列

首先需要将两个数据框中的日期列转换为日期格式（原始数据为字符型，无法直接进行日期运算），之后通过匹配用户ID，检查每个诊断记录对应的用户是否在诊断日期前30天内有就诊记录。

方法一：使用dplyr包（直观易读） #

# 加载dplyr包
library(dplyr)

# 转换日期格式为可运算的Date类型
df1 <- df1 %>% mutate(Diagnosis_date = as.Date(Diagnosis_date))
df2 <- df2 %>% mutate(Visit_date = as.Date(Visit_date))

# 预先整理每个用户的就诊日期列表，提升后续判断效率
user_visit_list <- df2 %>%
  group_by(User_ID) %>%
  summarise(visit_dates = list(Visit_date))

# 为df1添加新列，判断是否存在诊断前30天内的就诊记录
df1 <- df1 %>%
  left_join(user_visit_list, by = "User_ID") %>%
  rowwise() %>%
  mutate(has_recent_visit = any(visit_dates >= (Diagnosis_date - 30) & visit_dates < Diagnosis_date)) %>%
  select(-visit_dates) %>%  # 移除临时辅助列
  ungroup()

方法二：使用data.table包（高效处理大数据） #

如果数据集规模较大，data.table的方法会更高效：

# 加载data.table包
library(data.table)

# 转换为data.table格式并处理日期列
setDT(df1)[, Diagnosis_date := as.Date(Diagnosis_date)]
setDT(df2)[, Visit_date := as.Date(Visit_date)]

# 添加判断列
df1[, has_recent_visit := df2[.SD, on = .(User_ID), 
                              any(Visit_date >= (Diagnosis_date - 30) & Visit_date < Diagnosis_date), 
                              by = .EACHI]$V1]

结果扩展（可选） #

默认生成的has_recent_visit是逻辑值（TRUE/FALSE），如果需要转换为其他格式：

# 转换为0/1数值
df1 <- df1 %>% mutate(has_recent_visit = as.integer(has_recent_visit))

# 或者转换为中文标识
df1 <- df1 %>% mutate(has_recent_visit = ifelse(has_recent_visit, "是", "否"))

内容的提问来源于stack exchange，提问作者Hazem