повторяющихся строк в кадре данных на основе даты

Question

ищет простое решение для следующей задачи Вот как выглядит мои данные:

ClientID PatientID Measure Value CollectionDatetime 
41 123456 Temperature   87 02-04-2017 
41 123456 WBC     1000 02-04-2017 
41 123456 Temperature   83 02-05-2017 
41 23456 WBC    10000 02-04-2017 
41 23456 RR     100 02-04-2017 
41 23456 C-Ceratine   90 02-05-2017 
41 23456 Temperature   87 02-06-2017 
41 23456 Temperature   89 02-06-2017 

Это, как я хочу выход быть:

ClientID  PatientID Measure Value CollectionDatetime Label 
41 123456 Temperature   87 02-04-2017   1 
41 123456 WBC     1000 02-04-2017   1 
41 123456 Temperature   87 02-04-2017   2 
41 123456 WBC     1000 02-04-2017   2 
41 123456 Temperature   83 02-05-2017   2 
41 23456 WBC     10000 02-04-2017   1 
41 23456 RR     100 02-04-2017   1 
41 23456 WBC     10000 02-04-2017   2 
41 23456 RR     100 02-04-2017   2 
41 23456 C-Ceratine    90 02-05-2017   2 
41 23456 WBC     10000 02-04-2017   3 
41 23456 RR     100 02-04-2017   3 
41 23456 C-Ceratine    90 02-05-2017   3 
41 23456 Temperature   87 02-06-2017   3 
41 23456 Temperature   89 02-06-2017   3 

Данные должны быть реплицированы на основе идентификатора пациента и CollectionDatetime. Для каждого идентификатора пациента, если это первый день один раз, второй день должен иметь данные как 1-го и 2-го и так далее

Answer 1

Использование data.table -package:

# load the data.table package & convert 'dat' to a data.table 
library(data.table) 
setDT(dat) 

# create the 'lbl' variable and the number of times each row needs to be repeated 

dat[, lbl := rleid(CollectionDatetime), PatientID 
    ][, reps := abs(lbl - max(lbl)), PatientID] 

# create a 2nd data.table with the repeated rows 
# make a sequence for each replication 
# add that to 'lbl' to get correct 'lbl' 

d2 <- dat[rep(1:nrow(dat), reps)][, lbl := lbl + 1:max(reps), .(PatientID,lbl)] 

# bind the original data.table and the new together 
# remove 'reps' column (no longer needed) 
# and order to match the expected output 

rbindlist(list(dat,d2))[, reps := NULL][order(-PatientID,lbl,CollectionDatetime)] 

дает:

ClientID PatientID  Measure Value CollectionDatetime lbl 
1:  41 123456 Temperature 87   2017-02-04 1 
2:  41 123456   WBC 1000   2017-02-04 1 
3:  41 123456 Temperature 87   2017-02-04 2 
4:  41 123456   WBC 1000   2017-02-04 2 
5:  41 123456 Temperature 83   2017-02-05 2 
6:  41  23456   WBC 10000   2017-02-04 1 
7:  41  23456   RR 100   2017-02-04 1 
8:  41  23456   WBC 10000   2017-02-04 2 
9:  41  23456   RR 100   2017-02-04 2 
10:  41  23456 C-Ceratine 90   2017-02-05 2 
11:  41  23456   WBC 10000   2017-02-04 3 
12:  41  23456   RR 100   2017-02-04 3 
13:  41  23456 C-Ceratine 90   2017-02-05 3 
14:  41  23456 Temperature 87   2017-02-06 3 
15:  41  23456 Temperature 89   2017-02-06 3 

Вы можете достичь того же в базе R:

dat$lbl <- with(dat, ave(as.numeric(CollectionDatetime), PatientID, FUN = function(x) cumsum(c(1, diff(x) > 0)))) 
dat$reps <- with(dat, ave(lbl, PatientID, FUN = function(x) abs(x - max(x)))) 

dat2 <- dat[rep(1:nrow(dat), dat$reps),] 
dat2$lbl <- dat2$lbl + with(dat2, ave(reps, cumsum(c(0,abs(diff(dat2$reps)))), FUN = function(x) 1:max(x))) 

d <- rbind(dat,dat2)[,-7] 
d[order(-d$PatientID,d$lbl,d$CollectionDatetime),] 

---

Используются данные:

dat <- structure(list(ClientID = c(41L, 41L, 41L, 41L, 41L, 41L, 41L, 41L), 
         PatientID = c(123456L, 123456L, 123456L, 23456L, 23456L, 23456L, 23456L, 23456L), 
         Measure = structure(c(3L, 4L, 3L, 4L, 2L, 1L, 3L, 3L), .Label = c("C-Ceratine", "RR", "Temperature", "WBC"), class = "factor"), 
         Value = c(87L, 1000L, 83L, 10000L, 100L, 90L, 87L, 89L), 
         CollectionDatetime = structure(c(17201, 17201, 17202, 17201, 17201, 17202, 17203, 17203), class = "Date")), 
       .Names = c("ClientID", "PatientID", "Measure", "Value", "CollectionDatetime"), row.names = c(NA, -8L), class = "data.frame")