我有一个数据框架—每个人都有多次访问.我想筛选出第1种病后患第2种病的病人.有时患者可以在1和2之间患有疾病3，他们也应该包括在内.在这种情况下，我会 Select ID 246.&&
ID <- c(1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 5, 6, 6, 6)
Visit <- c(1, 2, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 1, 2, 3)
Disease <- c(2, 2, 1, 2, 1, 1, 1, 1, 2, 1, 2, 2, 1, 1, 3, 2)
df <- data.frame(ID, Visit, Disease)
dplyr解决方案:
library(dplyr)
df |>
filter(Disease == 1 & lead(Disease) == 2, .by = ID) |>
pull(ID)
结果:
[1] 2 4
Edit:
扩展了原问题，使疾病序列(1，3，2)的病例也应包括在内:
df |>
filter(Disease == 1 &
(lead(Disease) == 2 |
(lead(Disease) == 3 & lead(Disease, n = 2) == 2)), .by = ID) |>
pull(ID)
结果:
[1] 2 4 6
Edit 2:
OP在 comments 中指出，每个序列(1，3，3，...，3，3，2)，可以这样解决:
library(stringr)
df |>
filter(str_detect(str_c(Disease, collapse = ""), "12|13+2$"), .by = ID) |>
distinct(ID)
结果:
ID
1 2
2 4
3 6