R: Selecionando a primeira de n linhas consecutivas acima de um determinado valor limite
Eu tenho um quadro de dados com MRN, datas e um valor de teste.
Eu preciso selecionar todas asprimeiro linhas por MRN que possuemtrês valores consecutivos acima de 0,5.
Esta é uma versão de exemplo dos dados:
MRN Collected_Date ANC
1 001 2015-01-02 0.345
2 001 2015-01-03 0.532
3 001 2015-01-04 0.843
4 001 2015-01-05 0.932
5 002 2015-03-03 0.012
6 002 2015-03-05 0.022
7 002 2015-03-06 0.543
8 002 2015-03-07 0.563
9 003 2015-08-02 0.343
10 003 2015-08-03 0.500
11 003 2015-08-04 0.734
12 003 2015-08-05 0.455
13 004 2014-01-02 0.001
14 004 2014-01-03 0.500
15 004 2014-01-04 0.562
16 004 2014-01-05 0.503
Código de exemplo:
df <- data.frame(MRN = c('001','001','001','001',
'002','002','002','002',
'003','003','003','003',
'004','004','004','004'),
Collected_Date = as.Date(c('01-02-2015','01-03-2015','01-04-2015','01-05-2015',
'03-03-2015','03-05-2015','03-06-2015','03-07-2015',
'08-02-2015','08-03-2015','08-04-2015','08-05-2015',
'01-02-2014','01-03-2014','01-04-2014','01-05-2014'),
format = '%m-%d-%Y'),
ANC = as.numeric(c('0.345','0.532','0.843','0.932',
'0.012','0.022','0.543','0.563',
'0.343','0.500','0.734','0.455',
'0.001','0.500','0.562','0.503')))
Atualmente, estou usando uma abordagem muito incômoda usando a função lag para calcular a diferença de data, depois filtrar todos os valores> = 0,5 e, em seguida, resumir os valores, o que ajuda a selecionar a data do TERCEIRO valor. Subtraio dois dias para obter a data do primeiro valor:
df %>% group_by(MRN) %>%
mutate(., days_diff = abs(Collected_Date[1] - Collected_Date)) %>%
filter(ANC >= 0.5) %>%
mutate(days = days_diff + lag((days_diff))) %>%
filter(days == 5) %>%
mutate(Collected_Date = Collected_Date - 2) %>%
select(MRN, Collected_Date)
Resultado:
Fonte: quadro de dados local [2 x 2] Grupos: MRN
MRN Collected_Date
1 001 2015-01-03
2 004 2014-01-03
Deve haver uma maneira mais simples / mais elegante. Além disso, ele não fornece resultados precisos se houver lacunas entre as datas dos testes.
Minha saída desejada para este exemplo é:
MRN Collected_Date ANC
1 001 2015-01-03 0.532
2 004 2014-01-03 0.500
Portanto, se pelo menos três valores de teste consecutivos forem> = 0,5, a data do PRIMEIRO valor deve ser retornada.
Se não houver pelo menos três valores consecutivos> = 0,5, NA deve ser retornado.
Qualquer ajuda é muito apreciada!
Muito obrigado!