R-将值从特定行中的特定列传输到倾向分数匹配中的匹配ID

我有两个数据框：一个包含使用倾向评分匹配匹配的成对参与者的ID（即，每行有两个匹配的ID；

df1

），另一个包含所有参与者的长格式的纵向数据（

df2

）

在每对配对中，一人来自实验组，另一人来自对照组。组由变量

Group

表示。在df2中，来自实验组的参与者在变量

年

和

月

上有值，而来自控制组的参与者在这些变量上只有NA。我现在的目标是将实验组参与者的

年

和

月

上的值复制到对照组的匹配伙伴（基于

df1

中匹配ID的信息）

---

非常感谢您的帮助

这是实现这一任务的一种可能的解决方案。基本上，我们首先创建一个

lookup

表，其中带有

Year

和

Month

的每个ID与其不带

Year

和

Month

的相对参与者配对。然后，我们使用一个左连接并将

Year

和

Month

的

NA

值合并，以获得一个新列，而不丢失值

library(dplyr)

lookup <- df1 %>% inner_join(df2, by = c("ID_EG" = "ID")) %>% select(-Group) %>% distinct()
#    ID_EG  ID_CG Year Month
# 1 800057 834341 2008     2
# 2 800119 897177 2014    10
# 3 800125 834011 2010     5

df2 %>%
  left_join(lookup, by = c("ID" = "ID_CG")) %>% 
  mutate(
    Year = coalesce(Year.x, Year.y),
    Month = coalesce(Month.x, Month.y)
    ) %>% 
  select(!ends_with(".x") & !ends_with(".y"), -ID_EG)

---

coalesce

对于这个问题来说是一个非常好的函数！

df2 <- read.table(text=
"ID       Group    Year      Month
800057    1        2008      2         
800057    1        2008      2   
800057    1        2008      2   
800057    1        2008      2   
800057    1        2008      2   
800119    1        2014      10  
800119    1        2014      10         
800119    1        2014      10   
834011    0        NA        NA  
834011    0        NA        NA    
834341    0        NA        NA   
834341    0        NA        NA   
834341    0        NA        NA    
834341    0        NA        NA    
834341    0        NA        NA   
800125    1        2010     5
800125    1        2010     5
897177    0        NA       NA
897177    0        NA       NA
897177    0        NA       NA", header=TRUE)

df3 <- read.table(text=
"ID       Group    Year      Month
800057    1        2008      2         
800057    1        2008      2   
800057    1        2008      2   
800057    1        2008      2   
800057    1        2008      2   
800119    1        2014      10  
800119    1        2014      10         
800119    1        2014      10   
834011    0        2010      5  
834011    0        2010      5    
834341    0        2008      2   
834341    0        2008      2   
834341    0        2008      2    
834341    0        2008      2    
834341    0        2008      2   
800125    1        2010      5
800125    1        2010      5
897177    0        2014      10
897177    0        2014      10
897177    0        2014      10", header=TRUE) 

library(dplyr)

lookup <- df1 %>% inner_join(df2, by = c("ID_EG" = "ID")) %>% select(-Group) %>% distinct()
#    ID_EG  ID_CG Year Month
# 1 800057 834341 2008     2
# 2 800119 897177 2014    10
# 3 800125 834011 2010     5

df2 %>%
  left_join(lookup, by = c("ID" = "ID_CG")) %>% 
  mutate(
    Year = coalesce(Year.x, Year.y),
    Month = coalesce(Month.x, Month.y)
    ) %>% 
  select(!ends_with(".x") & !ends_with(".y"), -ID_EG)

       ID Group Year Month
1  800057     1 2008     2
2  800057     1 2008     2
3  800057     1 2008     2
4  800057     1 2008     2
5  800057     1 2008     2
6  800119     1 2014    10
7  800119     1 2014    10
8  800119     1 2014    10
9  834011     0 2010     5
10 834011     0 2010     5
11 834341     0 2008     2
12 834341     0 2008     2
13 834341     0 2008     2
14 834341     0 2008     2
15 834341     0 2008     2
16 800125     1 2010     5
17 800125     1 2010     5
18 897177     0 2014    10
19 897177     0 2014    10
20 897177     0 2014    10

df <- df1 %>% 
  left_join(df2 %>% select(-Group), by = c("ID_EG" = "ID")) %>% 
  unique() %>% 
  pivot_longer(contains("ID"), values_to = "ID", names_to = "Group") %>% 
  mutate(Group = ifelse(Group == "ID_EG", 1, 0)) %>% 
  left_join(df2, ., by = "ID") %>%
  select(-contains(".x")) %>%
  data.table::setnames(str_subset(names(.), ".y"), str_subset(names(.), ".y") %>% str_remove(".y"))

       ID Year Month Group
1  800057 2008     2     1
2  800057 2008     2     1
3  800057 2008     2     1
4  800057 2008     2     1
5  800057 2008     2     1
6  800119 2014    10     1
7  800119 2014    10     1
8  800119 2014    10     1
9  834011 2010     5     0
10 834011 2010     5     0
11 834341 2008     2     0
12 834341 2008     2     0
13 834341 2008     2     0
14 834341 2008     2     0
15 834341 2008     2     0
16 800125 2010     5     1
17 800125 2010     5     1
18 897177 2014    10     0
19 897177 2014    10     0
20 897177 2014    10     0