Найдите первую дату лечения в R

Question

У меня есть некоторые панельные данные с идентификатором, годом и переменной, указывающей, проходят ли пациенты лечение в этот момент времени:

id  year   treated  
1   2000      0            
1   2001      0            
1   2002      1            
1   2003      1            
1   2004      1            

Мне нужно создать фиктивную диаграмму, чтобы указать год, в котором лечение первое случилось. Желаемый результат выглядит примерно так:

id  year   treated   treatment_year
1   2000      0            0
1   2001      0            0
1   2002      1            1
1   2003      1            0
1   2004      1            0

Мне это кажется довольно простым, но я на какое-то время застрял и не могу получить для этого никакой функции упорядочивания. Большое спасибо за любую помощь

Answer 1

Мы могли бы создать логический индекс с row_number и which.max и преобразовать его в двоичный

library(dplyr)
df1 %>% 
   group_by(id) %>% 
   mutate(treatment_year = +(row_number() == which.max(treated)))
# A tibble: 5 x 4
# Groups:   id [1]
#     id  year treated treatment_year
#  <int> <int>   <int>          <int>
#1     1  2000       0              0
#2     1  2001       0              0
#3     1  2002       1              1
#4     1  2003       1              0
#5     1  2004       1              0

Или создайте логическое выражение с duplicated

df1 %>%
    group_by(id) %>%
    mutate(treatment_year = +(!duplicated(treated) & as.logical(treated)))

data

df1 <- structure(list(id = c(1L, 1L, 1L, 1L, 1L), year = 2000:2004, 
    treated = c(0L, 0L, 1L, 1L, 1L)), class = "data.frame", row.names = c(NA, 
-5L))

Answer 2

Вы можете использовать match для получения индекса первой 1 в каждом id и за исключением замены всего на 0.

Это можно сделать с помощью dplyr:

library(dplyr)
df %>%
  group_by(id) %>%
  mutate(treatment_year = replace(treated, -match(1L, treated), 0L))
  #Can also use : 
  #mutate(treatment_year = +(row_number() == match(1L, treated)))

#     id  year treated treatment_year
#  <int> <int>   <int>          <int>
#1     1  2000       0              0
#2     1  2001       0              0
#3     1  2002       1              1
#4     1  2003       1              0
#5     1  2004       1              0

база R:

df$treatment_year <- with(df, ave(treated, id, FUN = function(x) 
                          replace(x, -match(1L, x), 0L)))

и data.table:

library(data.table)
setDT(df)[, treatment_year := replace(treated, -match(1L, treated), 0L), id]

Объяснение того, как это работает.

match возвращает первый индекс соответствия. Рассмотрим этот пример

x <- c(0, 0, 1, 1, 1)
match(1, x)
#[1] 3

В 3-й позиции мы находим первую 1. Добавляя к ней -, мы игнорируем этот индекс и replace все остальные значения с 0.

replace(x, -match(1, x), 0)
#[1] 0 0 1 0 0

Если x всегда будет иметь значения 1/0, а x всегда будет иметь хотя бы одну единицу, мы также можем использовать which.max вместо match.

which.max(x)
#[1] 3