重塑 R 中事件数据的复杂时间

Question

我有以下数据框，其中有时间的开始、时间的结束以及个人获得观察结果 A 或 B 的日期。

df = 
id Date Start_Date End_Date A B
1  2    1          4        1 0
1  3    1          4        0 1
2  3    2          9        1 0
2  6    2          9        1 0
2  7    2          9        1 0
2  2    2          9        0 1

我想做的是把时间按时间顺序排序（新建一个Time变量），填入A和B的信息，即如果个人在时间2得到了A，那么在时间也应该有跟进时间（即 3 直到 End_Time）。理想情况下，间隔时间不是固定的而是跟随Date的变化（见个人2）：

Cool_df = 
id Time A B
1  1    0 0
1  2    1 0
1  3    1 1
1  4    1 1
2  2    0 1
2  3    1 1
2  6    1 1
2  7    1 1
2  9    1 1

非常感谢任何推荐，因为我不知道从哪里开始。

Answer 1

这是一个data.table方法

library(data.table)
setDT(df)
# Summarise dates
ans <- df[, .(Date = unique(c(min(Start_Date), Date, max(End_Date)))), by = .(id)]
# Join
ans[ df[A==1,], A := 1, on = .(id,Date)]
ans[ df[B==1,], B := 1, on = .(id,Date)]
#fill down NA's using "locf"
cols.to.fill = c("A","B")
ans[, (cols.to.fill) := lapply(.SD, nafill, type = "locf"), 
    by = .(id), .SDcols = cols.to.fill]
#fill other NA with zero
ans[is.na(ans)] <- 0

#    id Date A B
# 1:  1    1 0 0
# 2:  1    2 1 0
# 3:  1    3 1 1
# 4:  1    4 1 1
# 5:  2    2 0 1
# 6:  2    3 1 1
# 7:  2    6 1 1
# 8:  2    7 1 1
# 9:  2    9 1 1

重塑 R 中事件数据的复杂时间

Reshape complex time to event data in R

r

dataframe

survival