Group by ID et les Résultats et de prendre les premières Dates de résultats et l'attribution de numéros (j'.e conséquence1, outcome2)

Avec tidyverse vous pouvez essayer ce qui suit.

(Si nécessaire, d'abord arrange par Date il est donc dans l'ordre chronologique.)

Créer une valeur de regroupement en fonction du changement de l' Outcome colonne (de remise de rechute et vice versa). J'ai utilisé rleid à partir de data.table pour des raisons de commodité et créé un temporaire de la colonne, Grp. Par exemple:

      Id Date       Outcome   Grp
   <dbl> <chr>      <chr>   <int>
 1     1 2001-01-31 CR          1
 2     1 2001-02-13 CR          1
 3     1 2001-05-31 Relapse     2
 4     1 2001-06-02 Relapse     2
 5     1 2018-01-31 CR          3
 6     1 2018-03-31 CR          3
 7     1 2018-07-31 CR          3
 8     1 2019-04-04 Relapse     4
 9     2 2014-01-31 CR          1
10     2 2014-02-02 CR          1
11     2 2014-04-31 Relapse     2
12     2 2014-05-18 CR          3

Vous pouvez le voir, à l'intérieur de chaque Idque , lorsque le Outcome les changements, les Grp les augmentations. De cette façon, des dates ultérieures avec le même Outcome sera inclus dans le même Grp.

L' .add l'argument nous permet d'ajouter Grp à l'avant de regroupement, qui était juste Id. Donc, groupement aujourd'hui par les deux Grp et Idensuite , vous pouvez slice la première ligne. slice(1) ou slice(n = 1) gardera 1 rangée à l'intérieur du groupe. Dans ce cas, nous les avons regroupés par deux Id et Grp, de sorte que seulement 1 ligne seront conservées pour une Grp et Id la combinaison.

Enfin, vous pouvez ajouter un numéro de ligne, ce qui permettra de l'échelle de sortie décrit (consécutifs de la séquence de nombres pour le CR et les Rechutes: 1, 2, 3, 4...). Dans ce cas, nous group_by les deux Id et Outcomeet numéroter consécutivement les dates pour cette combinaison. pivot_wider insérer les données en grand format si vous le souhaitez.

library(data.table)
library(tidyverse)

mydata %>%
  group_by(Id) %>%
  mutate(Grp = rleid(Outcome)) %>%
  group_by(Grp, .add = T) %>%
  slice(1) %>%
  group_by(Id, Outcome) %>%
  mutate(n = row_number()) %>%
  pivot_wider(id_cols = Id, names_from = c(Outcome, n), values_from = Date)

Sortie

     Id CR_1       Relapse_1  CR_2       Relapse_2 
  <dbl> <chr>      <chr>      <chr>      <chr>     
1     1 2001-01-31 2001-05-31 2018-01-31 2019-04-04
2     2 2014-01-31 2014-04-31 2014-05-18 NA