R:在填充数据框 B 中的一行之前，使用某个日期的数据框 A 中的值

Question

这可能非常复杂，我怀疑需要高级知识。我现在有两种不同类型的 data.frames 我需要组合:

数据:

数据框 A:

按患者 ID 列出所有输血日期。每次输血都由单独的行表示，患者可以进行多次输血。不同的患者可以在同一天接受输血。

Patient ID Transfusion.Date
1          01/01/2000
1          01/30/2000
2          04/01/2003
3          04/01/2003

B 类数据帧包含其他日期的测试结果，也包含患者 ID:

Patient ID  Test.Date   Test.Value
1           11/30/1999   negative
1           01/15/2000   700 copies/uL
1           01/27/2000   900 copies/uL
2           03/30/2003   negative

我想要的是 Dataframe A 具有相同的行数(每次输血 1 行)，并将最新的 Test.Value 作为单独的列。每个输血日期都应该有最接近输血(之前)进行的测试的测试结果。

所需的输出:

-->

Patient ID Transfusion.Date Pre.Transfusion.Test
1          01/01/2000       negative
1          01/30/2000       900 copies/ul
2          04/01/2003       negative
3          04/01/2003       NA

我认为一般的策略是按患者 ID 对 data.frames 进行子集化。然后获取患者 1 的所有输血日期，检查哪个结果与每个元素的所有可用 test_dates 最接近，然后返回最接近的值。

我如何解释 R 来做到这一点？

编辑 1 :这是这些示例的 R 代码

df_A <- data.frame(MRN = c(1,1,2,3), 
                   Transfusion.Date = as.Date(c('01/01/2000', '01/30/2000', 
                   '04/01/2003','04/01/2003'),'%m/%d/%Y')) 

df_B <- data.frame(MRN = c(1,1,1,2), 
                   Test.Date = as.Date(c('11/30/1999', '01/15/2000', '01/27/2000', 
                   '03/30/2003'),'%m/%d/%Y'), Test.Result = c('negative', 
                   '700 copies/ul','900 copies/ul','negative'))

编辑 2:

为了澄清，结果数据应该是:患者 A 在第 X 天和第 Y 天接受了输血。(对于 df_A)。在第 X 天输血之前，他最近的测试结果是 X(最接近第一次输血的测试日期，在 df_B 中)。在 Y 天输血之前，他最近的测试结果是 Y(在第二次输血之前，也在 df_B 中。df_B 还包含一堆其他测试日期，最终输出不需要这些日期。

Answer 1

这里使用 data.table的滚动连接:

require(data.table)
setkey(setDT(df_A), MRN, Transfusion.Date)
setkey(setDT(df_B), MRN, Test.Date)

df_B[df_A, roll=TRUE]
#    MRN  Test.Date   Test.Result
# 1:   1 2000-01-01      negative
# 2:   1 2000-01-30 900 copies/ul
# 3:   2 2003-04-01      negative
# 4:   3 2003-04-01            NA

setDT转换 data.frame至 data.table通过引用(没有任何额外的复制)。这将导致 df_A和 df_B现在是data.tables。

setkey排序 data.table通过我们提供的列，并将这些列标记为键列，这允许我们使用基于二分搜索的连接。

我们执行表单 x[i] 的连接在关键列上，其中对于 i 的每一行, x 的匹配行(如果有，否则不适用)以及 i的行被返回。这就是我们所说的 equi-join。通过添加 roll = TRUE ，在不匹配的情况下，最后一次观察被结转(LOCF)。这就是我们所说的滚动连接。按升序排序(由于 setkey() )确保最后一次观察是最近的日期。

HTH