R中时间-事件分析的纵向数据转换

Question

我正在尝试重新格式化纵向数据一段时间来进行事件分析。在下面的示例数据中，我只想找到每个ID的结果为“0”的最早一周。

我遇到的特有的问题是如何处理那些没有转换为0的病人，他们要么拥有所有的1，要么有2。在示例数据中，患者J拥有所有的1。

#Sample data
have<-data.frame(patient=rep(LETTERS[1:10], each=9),
                 week=rep(0:8,times=10),
                 result=c(1,0,2,rep(0,6),1,1,2,1,rep(0,5),1,1,rep(0,7),1,rep(0,8),
                          1,1,1,1,2,1,0,0,0,1,1,1,rep(0,6),1,2,1,rep(0,6),1,2,rep(0,7),
                          1,rep(0,8),rep(1,9)))
patient week result
A       0   1
A       1   0
A       2   2
A       3   0
A       4   0
A       5   0
A       6   0
A       7   0
A       8   0
B       0   1
B       1   0
...     .....
J       6   1
J       7   1
J       8   1

我能够用以下代码完成这个相对简单的过程：

want<-aggregate(have$week, by=list(have$patient,have$result), min) want<-want[which(want[2]==0),]

但是要知道，如果某人没有转换为0，它就会将他们排除在外(在本例中，病人J被排除在外)。相反，J应该在第二列中有一个1，在第三列中有一个8。相反，它当然被省略了。

print(want)
Group.1 Group.2 x
A       0       1
B       0       4
C       0       2
D       0       1
E       0       6
F       0       3
G       0       3
H       0       2
I       0       1
#But also need
J       1       8

根据这里发布的指导方针，我确实努力解决了这个问题，能够得到我所需要的非常笨拙的东西：

mins<-aggregate(have$week, by=list(have$patient,have$result), min)
maxs<-aggregate(have$week, by=list(have$patient,have$result), max)
want<-rbind(mins[which(mins[2]==0),],maxs[which(maxs[2]==1&maxs[3]==8),])

这将返回正确的所需数据集，但由于我使用其他数据集(即，由于必须手动输入maxsp[3]==8，所以时间框架不同的数据集)，编码非常糟糕且不可持续。

是否有更优雅或更系统的方法来处理这个数据操作问题？

Answer 1

我们可以编写一个函数来从组中选择一行。

select_row <- function(result, week) {
   if(any(result == 0)) which.max(result == 0) else which.max(week)
}

如果存在该函数，则返回前0值的索引，否则返回week最大值的索引。

并将其应用于所有团体。

library(dplyr)
have %>% group_by(patient) %>% slice(select_row(result, week))

#  patient  week result
#   <fct>   <int>  <dbl>
# 1 A           1      0
# 2 B           4      0
# 3 C           2      0
# 4 D           1      0
# 5 E           6      0
# 6 F           3      0
# 7 G           3      0
# 8 H           2      0
# 9 I           1      0
#10 J           8      1