R语言无有效时间变量时如何实现长格式转宽格式

你不需要强行适配reshape函数的参数要求，以下两种方案都可以完成处理，同时匹配你后续构建诊断规则的需求。

核心注意点 #

• 你之前尝试生成每个id下的处方序号失败，核心是没有按患者id分组后独立生成序列，全表统一生成的行号无法匹配每个患者的独立就诊顺序。
• 原始数据里的prescription_date是字符格式，必须先转成标准日期类型再排序，否则字符串排序会出现时间先后顺序错误（比如示例中id=2的两条处方，7月5日的字符串排序会早于4月10日，和实际时间相反）。

方案1：tidyverse 实现（推荐，适配后续分析需求） #

步骤1：加载包并构造示例数据 #

library(tidyverse)

id <- c(1, 1, 1, 2, 2, 3, 3, 3)
prescription_date <- c("17JAN2009", "02MAR2009", "20MAR2009", "05JUL2009", "10APR2009", "09MAY2009", "13JUN2009", "29MAY2009")
med <- c("A", "B", "A", "B", "A", "B", "A", "B")
df <- data.frame(id, prescription_date, med)

步骤2：生成每个患者的处方次序号（替代reshape要求的时间变量） #

按患者id分组，按处方时间排序后生成的次序号，完全可以作为长转宽函数需要的时间变量使用：

df_processed <- df %>%
  # 字符转日期格式，%d%b%Y对应“日-月缩写-年”的格式
  mutate(prescription_date = as.Date(prescription_date, format = "%d%b%Y")) %>%
  # 按患者id、处方时间排序
  arrange(id, prescription_date) %>%
  group_by(id) %>%
  # 生成每个患者自己的处方顺序号
  mutate(presc_seq = row_number()) %>%
  ungroup()

步骤3：按需转成宽格式 #

如果你需要把每条处方展开为单独列，直接用pivot_wider即可：

df_wide_detail <- df_processed %>%
  pivot_wider(
    id_cols = id,
    names_from = presc_seq,
    values_from = c(med, prescription_date),
    names_prefix = "presc_"
  )

结合你要统计药物处方数、构建诊断规则、后续和其他数据集合并的需求，不需要展开逐次处方的明细，直接聚合得到每个患者的各类药物处方数即可，这种宽表后续关联和计算效率更高：

df_wide_count <- df %>%
  mutate(prescription_date = as.Date(prescription_date, format = "%d%b%Y")) %>%
  # 统计每个患者每类药物的处方数
  count(id, med, name = "presc_count") %>%
  pivot_wider(
    id_cols = id,
    names_from = med,
    values_from = presc_count,
    # 没有开具的药物计数填充为0
    values_fill = 0
  ) %>%
  # 直接生成诊断判定列
  mutate(diag_pos = ifelse(A > 1, 1, 0))

方案2：base R 实现（无需安装额外包） #

如果不想依赖第三方包，可以用基础R函数完成序号生成和格式转换：

# 转换日期格式
df$prescription_date <- as.Date(df$prescription_date, format = "%d%b%Y")
# 按患者id、处方时间排序
df <- df[order(df$id, df$prescription_date), ]
# 按id分组生成处方次序号
df$presc_seq <- ave(df$id, df$id, FUN = seq_along)
# 调用reshape转宽格式
df_wide_base <- reshape(
  df,
  idvar = "id",
  timevar = "presc_seq",
  direction = "wide"
)

内容的提问来源于stack exchange，提问作者theblackbox