R语言如何高效计算每个日历年对应的总随访时长

核心思路 #

无需生成逐天的随访日期序列，直接对每条随访记录拆分到覆盖的所有年份，单独计算每条记录在对应年份的随访天数，最后按年份汇总即可，全程向量化运算无显式循环。

依赖包 #

需要提前安装加载dplyr、lubridate、tidyr三个R数据处理常用工具包。

实现代码 #

# 原始数据
df <- data.frame(
  id = c("A", "B"),
  start = as.Date(c("2015-01-01", "2013-01-01")),
  end = as.Date(c("2021-06-12", "2017-10-10"))
)

library(dplyr)
library(lubridate)
library(tidyr)

result <- df %>%
  # 生成每条随访记录覆盖的所有年份序列
  mutate(year = purrr::map2(year(start), year(end), ~seq(.x, .y))) %>%
  # 拆分年份，每条记录拆分为对应年份的多条子记录
  unnest(year) %>%
  mutate(
    # 计算当前年份的起止边界
    year_start = ymd(paste0(year, "-01-01")),
    year_end = ymd(paste0(year, "-12-31")),
    # 取随访实际在当年的起止日期
    actual_start = pmax(start, year_start),
    actual_end = pmin(end, year_end),
    # 计算当年随访天数，+1是因为起止日期当天都计入随访
    follow_days = as.integer(actual_end - actual_start) + 1
  ) %>%
  # 按年份汇总总随访年数
  group_by(year) %>%
  summarise(follow_years = sum(follow_days) / 365)

结果验证 #

输出的result和原有方案的计算结果完全一致：

性能说明 #

该方案避免了逐天生成日期的内存开销和循环操作，处理10万条以上的随访记录也能在秒级完成，远优于原有循环逐天统计的方案。如果需要更严谨的闰年修正，只需要把汇总步骤的分母替换为ifelse(leap_year(year), 366, 365)即可。

内容的提问来源于stack exchange，提问作者ECII