r语言 - 查找每个患者的最接近匹配时间

Question

我有两组数据：

第一组：

 patient<-c("A","A","B","B","C","C","C","C")
 arrival<-c("11:00","11:00","13:00","13:00","14:00","14:00","14:00","14:00")
 lastRow<-c("","Yes","","Yes","","","","Yes")
 data1<-data.frame(patient,arrival,lastRow)

另一组数据：

 patient<-c("A","A","A","A","B","B","B","C","C","C")
 availableSlot<-c("11:15","11:35","11:45","11:55","12:55","13:55","14:00","14:00","14:10","17:00")
 data2<-data.frame(patient, availableSlot)

我想创建向第一个数据集添加一列，以便对于每个患者的最后一行，它显示可用的插槽最接近到达时间：

结果将是：

  patient arrival lastRow availableSlot
       A   11:00        
       A   11:00     Yes     11:15
       B   13:00        
       B   13:00     Yes     12:55
       C   14:00        
       C   14:00        
       C   14:00        
       C   14:00     Yes     14:00

如果有人能告诉我如何在 R 中实现这一点，将不胜感激。

Answer 1

我会使用 data.table，首先通过转换为 ITime 并忽略冗余行来清理：

library(data.table)
setDT(data1)[, arrival := as.ITime(as.character(arrival))]
setDT(data2)[, availableSlot := as.ITime(as.character(availableSlot))]
DT1 = unique(data1, by="patient", fromLast=TRUE)

然后，您可以执行"滚动连接"：

res = data2[DT1, on=.(patient, availableSlot = arrival), roll="nearest", 
  .(patient, availableSlot = x.availableSlot)]
#    patient availableSlot
# 1:       A      11:15:00
# 2:       B      12:55:00
# 3:       C      14:00:00

工作原理

语法x[i, on=, roll=, j] 。

• on=是合并依据列。
• 这是一个连接：对于每一行i，我们正在寻找x中的匹配项。
• 使用roll="nearest"，on=中的最后一列被"滚动"到最接近的匹配。
• 原始表中的on=列可以使用x.*和i.*前缀进行引用。
• j参数应提供列列表，.()是此处list()的别名。

在 http://r-datatable.com/Getting-started 查看包的介绍性材料，并键入与滚动联接相关的文档?data.table。

---

我会停在res，但如果你真的想把它放回原来的桌子上......

# a very nonstandard step:
data1[lastRow == "Yes", availableSlot := res$availableSlot ]
#    patient  arrival lastRow availableSlot
# 1:       A 11:00:00                  <NA>
# 2:       A 11:00:00     Yes      11:15:00
# 3:       B 13:00:00                  <NA>
# 4:       B 13:00:00     Yes      12:55:00
# 5:       C 14:00:00                  <NA>
# 6:       C 14:00:00                  <NA>
# 7:       C 14:00:00                  <NA>
# 8:       C 14:00:00     Yes      14:00:00

现在，data1在新列中availableSlot，类似于您执行data1$col <- val时。

Answer 2

这是一个解决方案（基于 joel.wilson 对我问题的回答），适用于基本R

#Convert dates to POSIXct format
data1$arrival = as.POSIXct(data1$arrival, format = "%H:%M")
data2$availableSlot = as.POSIXct(data2$availableSlot, format = "%H:%M")
#Lookup times from data2$availableSlot closest to data1$arrival
data1$availableSlot = sapply(data1$arrival, function(x)
                    data2$availableSlot[which.min(abs(x - data2$availableSlot))])
#Keep just hour and minutes
data1$availableSlot = strftime(as.POSIXct(data1$availableSlot, 
                                origin = "1970-01-01"), format = "%H:%M")
data1$arrival = strftime(as.POSIXct(data1$arrival), format = "%H:%M")
#Remove times when lastrow is empty
data1$availableSlot[which(data1$lastRow != "Yes")] = ""