在组内分离非重叠间隔并在R中计数

使用R，我得到了住院患者数据，我根据（病原体的）DNA菌株、住院患者的临床和重叠的住院时间进行分组，以确定是否可能传播

我需要对重叠的组进行顺序编号。这看起来很简单，但有两个问题：

我在SO或其他网站上找到的所有内容都是关于对组中的行进行编号的。我需要一组中的每一行都有相同的数字，并且需要对组本身进行计数

无论采用何种方法，最初看起来都很简单，只需（应变、临床）%%>%，但这并不能解释不重叠的时间间隔

在最终让步并发布到这里之前，我尝试了几种方法并进行了搜索（我的任何尝试都不值得在这里发布事件以浪费您的时间）。下面的代码是我拥有的数据（

拥有的

）和我想要的数据（

想要的

）的一个示例。注：对于应变

B

，所有患者都在

诊所1

，但由于时间间隔不同，分为两组

任何建议都将不胜感激

have <- data.frame(id=c("K01","K02","K03","K04","K05","K06","K07","K08","K09"),
                   strain=c(rep("A",4),rep("B",5)),
                   clinic=c(rep("Clinic_1",2),rep("Clinic_2",2),rep("Clinic_1",5)),
                   datein=as.Date(c("2020/01/01","2020/01/03","2020/02/03","2020/02/09","2020/02/18","2020/02/20","2020/02/21","2020/03/06","2020/03/18")),
                   dateout=as.Date(c("2020/01/05","2020/01/16","2020/02/09","2020/02/19","2020/02/27","2020/02/23","2020/02/22","2020/03/21","2020/03/22"))
                   )

want <- data.frame(have,overlap_number=c(1,1,2,2,3,3,3,4,4))

#How the final data would look
> View(want)
   id strain   clinic     datein    dateout overlap_number
1 K01      A Clinic_1 2020-01-01 2020-01-05              1
2 K02      A Clinic_1 2020-01-03 2020-01-16              1
3 K03      A Clinic_2 2020-02-03 2020-02-09              2
4 K04      A Clinic_2 2020-02-09 2020-02-19              2
5 K05      B Clinic_1 2020-02-18 2020-02-27              3
6 K06      B Clinic_1 2020-02-20 2020-02-23              3
7 K07      B Clinic_1 2020-02-21 2020-02-22              3
8 K08      B Clinic_1 2020-03-06 2020-03-21              4
9 K09      B Clinic_1 2020-03-18 2020-03-22              4

---

我们可以使用

rleid

library(dplyr)
library(data.table)
have %>% 
  mutate(overlap_number = rleid(strain, clinic, 
       cumsum(datein > lag(dateout, default = first(dateout)))))
#    id strain   clinic     datein    dateout overlap_number
#1 K01      A Clinic_1 2020-01-01 2020-01-05              1
#2 K02      A Clinic_1 2020-01-03 2020-01-16              1
#3 K03      A Clinic_2 2020-02-03 2020-02-09              2
#4 K04      A Clinic_2 2020-02-09 2020-02-19              2
#5 K05      B Clinic_1 2020-02-18 2020-02-27              3
#6 K06      B Clinic_1 2020-02-20 2020-02-23              3
#7 K07      B Clinic_1 2020-02-21 2020-02-22              3
#8 K08      B Clinic_1 2020-03-06 2020-03-21              4
#9 K09      B Clinic_1 2020-03-18 2020-03-22              4

---

使用

数据的选项。表

：

setkey(setDT(have), clinic, strain, datein, dateout)
have[, g := cumsum(c(0L, (shift(datein, -1L) > cummax(as.integer(dateout)))[-.N])), 
  .(clinic, strain)][, 
    g := rleid(clinic, strain, g)]

此外：

输出：

    id strain   clinic     datein    dateout g g2
1: K01      A Clinic_1 2020-01-01 2020-01-05 1  1
2: K02      A Clinic_1 2020-01-03 2020-01-16 1  1
3: K05      B Clinic_1 2020-02-18 2020-02-27 2  2
4: K06      B Clinic_1 2020-02-20 2020-02-23 2  2
5: K07      B Clinic_1 2020-02-21 2020-02-22 2  2
6: K08      B Clinic_1 2020-03-06 2020-03-21 3  3
7: K09      B Clinic_1 2020-03-18 2020-03-22 3  3
8: K03      A Clinic_2 2020-02-03 2020-02-09 4  4
9: K04      A Clinic_2 2020-02-09 2020-02-19 4  4

---

关于

cummax

的想法来自David Aurenburg post:

Beauty-不知道rleid函数，并且在示例数据上工作得非常完美。当我把它应用到我的实际数据中时，会有一个小小的小问题——3+的数据组有时会有一个很长的间隔，包括其他几个不连贯的日期。例如，我编辑了另一个数据集，该数据集更改了K07的日期。我尝试将延迟（dateout…更改为分钟（dateout…），但没有成功。还有其他想法吗？@jpsmith是您需要的相同重叠编号我添加了我的输出和注释；当我在want2上运行它时，它会创建5个重叠数字，因为它将

K07

视为一个单独的单元感谢您的深入了解-在这个解决方案中，K07与K08和K09分组，但应与K05/K06分组。根据你的方法，我尝试了几种选择，但都没能奏效。有什么想法吗？谢谢你迄今为止的帮助！完美的非常感谢。

have[, g02 := cumsum(datein > shift(cummax(as.integer(dateout)), fill=dateout[1L])),
    .(clinic, strain)][,
        g2 := rleid(clinic, strain, g02)]

    id strain   clinic     datein    dateout g g2
1: K01      A Clinic_1 2020-01-01 2020-01-05 1  1
2: K02      A Clinic_1 2020-01-03 2020-01-16 1  1
3: K05      B Clinic_1 2020-02-18 2020-02-27 2  2
4: K06      B Clinic_1 2020-02-20 2020-02-23 2  2
5: K07      B Clinic_1 2020-02-21 2020-02-22 2  2
6: K08      B Clinic_1 2020-03-06 2020-03-21 3  3
7: K09      B Clinic_1 2020-03-18 2020-03-22 3  3
8: K03      A Clinic_2 2020-02-03 2020-02-09 4  4
9: K04      A Clinic_2 2020-02-09 2020-02-19 4  4