在R中按列值条件合并行：合并间隔不足1小时的用药记录

我来帮你搞定这个合并连续用药记录的需求！你的核心思路是对的，但现有代码里的循环逻辑和dplyr的使用方式有问题，咱们用tidyverse的工具来更优雅地解决这个问题，完全不需要复杂的循环。

library(tidyverse)
library(lubridate)

merge_pressor_doses <- function(df) {
  df %>%
    # 先按患者ID和起始时间排序，确保记录是按时间顺序排列的
    arrange(icustay_id, starttime) %>%
    group_by(icustay_id) %>%
    # 计算当前记录的starttime与上一条记录的endtime的时间差（转换为分钟）
    # 第一条记录没有上一条，所以时间差设为NA
    mutate(interval = as.duration(starttime - lag(endtime)) / dminutes(1)) %>%
    # 创建分组标识：当间隔>=60分钟（或第一条记录）时，新建一个组
    mutate(group_id = cumsum(is.na(interval) | interval >= 60)) %>%
    # 按患者ID和分组标识聚合，应用合并规则
    group_by(icustay_id, group_id) %>%
    summarise(
      starttime = min(starttime),
      endtime = max(endtime),
      vaso_rate = mean(vaso_rate),
      vaso_amount = sum(vaso_amount),
      .groups = "drop" # 取消分组，返回普通数据框
    ) %>%
    # 移除临时的group_id列，保持输出整洁
    select(-group_id)
}

# 测试函数
merged_df <- merge_pressor_doses(df)
print(merged_df)

咱们一步步捋清楚这个实现：

1. 排序：先用arrange确保每个患者的记录按时间先后排列，这是后续计算间隔的基础，否则间隔判断会出错。
2. 计算时间间隔：用lag(endtime)获取当前记录的上一条记录的结束时间，再计算两条记录的时间差并转换为分钟数。第一条记录没有上一条，所以lag(endtime)返回NA，对应的interval也是NA。
3. 生成分组标识：用cumsum来创建分组ID——每当遇到间隔≥60分钟的情况（或者是第一条记录），就累加1，这样连续的、间隔不足1小时的记录会被分到同一个组里。
4. 聚合计算：按患者ID和分组ID分组后，严格按照你的需求聚合：取最早的starttime、最晚的endtime，vaso_rate取平均值，vaso_amount求和。
5. 清理输出：最后移除临时的group_id列，让输出格式和你期望的一致。

运行代码后，你会得到符合预期的输出：

icustay_id starttime           endtime             vaso_rate vaso_amount
       <dbl> <dttm>              <dttm>                  <dbl>       <dbl>
1          1 2019-09-10 13:20:00 2019-09-12 01:20:00         6        896.
2          1 2019-09-14 16:40:00 2019-09-15 16:40:00         4        209.
3          2 2019-09-10 12:40:00 2019-09-13 13:20:00         2        864.
4          3 2019-09-10 01:20:00 2019-09-11 13:20:00         9        405.

（注：icustay_id=1的前两条记录合并后，vaso_rate是(3+9)/2=6，vaso_amount是293+603≈896，这是符合合并规则的正确结果）

简单说几个关键问题：

• 执行df %>% arrange(...)后没有把结果赋值回df，导致排序操作根本没生效
• 循环里的which(df$icustay_id==i) && j < max(...)逻辑错误，不能将索引向量和布尔值直接混合使用
• 使用mutate时没有保存结果，且df$starttime[j+1]这种写法不符合dplyr的向量式操作逻辑
• 最后return(df)返回的是原数据框，不是聚合后的结果

用tidyverse的窗口函数（比如lag、cumsum）处理这种连续分组的问题，比循环高效得多，也更易读和维护。

内容的提问来源于stack exchange，提问作者Eric Yamga