R 相当于 SQL 查询 - 整数列的总和，其中参数之间的日期列

Question

您好，我正在尝试获取整数列的总和，其中单独列中给出的日期介于给定参数之间。

下面的 SQL 查询可以满足我的要求，但是在 sqldf 中查询速度太慢，所以我需要找到一个 R 等价物。数据是医院事件，其中 Stay 列表示该事件在医院度过的天数。 df table 包含每个患者 (AnonID)

的索引和结束日期

SELECT m.*, b.Sum
               FROM df   
               LEFT JOIN
                   (SELECT AnonID, SUM(e.Stay) AS Sum
                   FROM 
                   (SELECT e.*, d.IndexDate, d.EndDate
                   FROM Episodes e
                   LEFT JOIN df d
                   ON e.AnonID=d.AnonID )a
                   WHERE AdmissionDate BETWEEN CAST(a.IndexDate AS datetime2) AND CAST(a.EndDate AS datetime2)
                   GROUP BY AnonID) b

Answer 1

dplyr 库是最常用的 R 数据处理包之一。在您的特定情况下，我们需要：

left_join 用于 LEFT JOIN
filter 用于 WHERE 子句
group_by 为 GROUP BY
summarise（或summarize）来计算聚合，例如 SUM
%>% 用于管道，纯粹是美学，但它使代码更易于阅读

把所有这些放在一起，你应该有这样的东西：

library(dplyr)
eps_in_range <- episodes %>%
    left_join(df, by="AnonID") %>%
    filter(AdmissionDate >= IndexDate, 
           AdmissionDate <= EndDate) %>%
    group_by(AnonID) %>%
    summarise(stay_sum = sum(Stay))

df %>%
    left_join(eps_in_range)

如果不查看数据或不了解您想要实现的目标，很难确保这是 100% 正确的。希望这足以让您入门。那里有很多 dplyr 资源。我建议你运行一个一个地了解正在发生的事情。

R 相当于 SQL 查询 - 整数列的总和，其中参数之间的日期列

R equivalent to SQL query - sum of integer column where date column between parameters

r

sqldf