我有一个数据集，其中每行都由住院id标识。每行都包含住院id、入院和出院日期的信息，以及发生住院的医院和负责住院的医生的标识。
我想知道，对于每次住院，同一家医院的其他医生在给定住院开始前30天内完成的所有其他住院的id。
以下是由2家医院的2名医生进行的8次住院治疗的简单示例(医生可能在多家医院工作(。
library("tidyverse")
df <- data.frame(hospitalization_id = c(1, 2, 3,
4, 5,
6, 7, 8),
hospital_id = c("A", "A", "A",
"A", "A",
"B", "B", "B"),
physician_id = c(1, 1, 1,
2, 2,
2, 2, 2),
date_start = as.Date(c("2000-01-01", "2000-01-12", "2000-01-20",
"2000-01-12", "2000-01-20",
"2000-02-10", "2000-02-11", "2000-02-12")),
date_end = as.Date(c("2000-01-03", "2000-01-18", "2000-01-22",
"2000-01-18", "2000-01-22",
"2000-02-11", "2000-02-14", "2000-02-17")))
使用R(dplyr(中发布的解决方案：查找行特定范围内的所有行：首先，我查找在给定医院开始给定住院治疗前30天内的所有其他住院治疗；然后，我放弃了由同一位医生进行的住院治疗。
df_with_date_range <- df %>%
mutate(date_range1 = date_start - 31,
date_range2 = date_start - 1)
df_semifinal <- df_with_date_range %>%
rowwise() %>%
mutate(hospital_id_in_range = pmap(list(date_range1, date_range2, hospital_id),
function(x, y, z) ungroup(filter(rowwise(df_with_date_range),
between(date_end, x, y),
hospital_id == z))$hospitalization_id)) %>%
unnest(hospital_id_in_range, keep_empty = TRUE)
df_final <- df_semifinal %>%
left_join(select(df, hospitalization_id, physician_id),
by = c('hospital_id_in_range' = 'hospitalization_id')) %>%
mutate(hospital_id_in_range = ifelse(physician_id.x == physician_id.y, NA, hospital_id_in_range)) %>%
select(-physician_id.y) %>%
rename(physician_id = physician_id.x) %>%
distinct()
考虑到我的数据量很大，我正在努力编写一个更高效的代码——理想情况下，我希望避免只添加所有住院病例，然后删除指定医生执行的住院病例。
在我以前的解决方案中为医生添加另一个过滤标准怎么样：
df_with_date_range %>%
mutate(hospital_id_in_range = pmap(list(date_range1, date_range2, hospital_id, physician_id),
function(x, y, z, p) filter(df_with_date_range,
date_start >= x & date_start <= y,
hospital_id == z,
physician_id != p)$hospitalization_id)) %>%
unnest(hospital_id_in_range, keep_empty = TRUE)
# # A tibble: 9 × 8
# hospitalization_id hospital_id physician_id date_start date_end date_range1 date_range2 hospital_id_in_range
# <dbl> <chr> <dbl> <date> <date> <date> <date> <dbl>
# 1 1 A 1 2000-01-01 2000-01-03 1999-12-01 1999-12-31 NA
# 2 2 A 1 2000-01-12 2000-01-18 1999-12-12 2000-01-11 NA
# 3 3 A 1 2000-01-20 2000-01-22 1999-12-20 2000-01-19 4
# 4 4 A 2 2000-01-12 2000-01-18 1999-12-12 2000-01-11 1
# 5 5 A 2 2000-01-20 2000-01-22 1999-12-20 2000-01-19 1
# 6 5 A 2 2000-01-20 2000-01-22 1999-12-20 2000-01-19 2
# 7 6 B 2 2000-02-10 2000-02-11 2000-01-10 2000-02-09 NA
# 8 7 B 2 2000-02-11 2000-02-14 2000-01-11 2000-02-10 NA
# 9 8 B 2 2000-02-12 2000-02-17 2000-01-12 2000-02-11 NA
此外，我将between切换到不需要第二个rowwise的更好的矢量化实现。使用更多的rowwise往往会减慢该过程。这个应该快一点。
预期的输出可能与您的有点不同，因为我在过程中进行了筛选，而不是在之后用NA替换。如果你想用NA替换医生副本，请告诉我，我可以对过滤后的数据帧的mutate进行编码。