Question

我的问题是提高代码的效率/优雅。我有一份药物清单。我想确定以C09和C10开头的药物。如果一个人有这些药物，我想给他们一个二元指标（1 =是，0 =否）他们是否有这些药物。二进制指示符将位于同一数据框中名为“statins”的新列中。我使用这篇文章作为指南：What's the R equivalent of SQL's LIKE 'description%' statement?。

这是我所做的;

names<-c("tom", "mary", "mary", "john", "tom", "john", "mary", "tom", "mary", "tom", "john")
drugs<-c("C10AA05", "C09AA03", "C10AA07", "A02BC01", "C10AA05", "C09AA03", "A02BC01", "C10AA05", "C10AA07", "C07AB03", "N02AA01")
df<-data.frame(names, drugs)
df

  names   drugs
1    tom C10AA05
2   mary C09AA03
3   mary C10AA07
4   john A02BC01
5    tom C10AA05
6   john C09AA03
7   mary A02BC01
8    tom C10AA05
9   mary C10AA07
10   tom C07AB03
11  john N02AA01

ptn = '^C10.*?'
get_statin = grep(ptn, df$drugs, perl=T)
stats<-df[get_statin,]

names   drugs
1   tom C10AA05
3  mary C10AA07
5   tom C10AA05
8   tom C10AA05
9  mary C10AA07


ptn2='^C09.*?'
get_other=grep(ptn2, df$drugs, perl=T)
other<-df[get_other,]
other

  names   drugs
2  mary C09AA03
6  john C09AA03

df$statins=ifelse(df$drugs %in% stats$drugs,1,0)
df

   names   drugs statins
1    tom C10AA05       1
2   mary C09AA03       0
3   mary C10AA07       1
4   john A02BC01       0
5    tom C10AA05       1
6   john C09AA03       0
7   mary A02BC01       0
8    tom C10AA05       1
9   mary C10AA07       1
10   tom C07AB03       0
11  john N02AA01       0


df$statins=ifelse(df$drugs %in% other$drugs,1,df$statins)
df

   names   drugs statins
1    tom C10AA05       1
2   mary C09AA03       1
3   mary C10AA07       1
4   john A02BC01       0
5    tom C10AA05       1
6   john C09AA03       1
7   mary A02BC01       0
8    tom C10AA05       1
9   mary C10AA07       1
10   tom C07AB03       0
11  john N02AA01       0

所以，我可以得到我想要的东西 - 但我觉得可能有更好，更好的方法来做到这一点，并希望在此提供任何指导。一个明显的解决方案，我可以感觉你们都在屏幕上大喊大叫，只是使用'^ C'作为模式 - 因此可以捕获所有以C开头的药物。我将无法在主要分析中做到这一点，因为'在某些情况下，C'会捕捉到我不想要的东西，所以我需要尽量缩小它。

Answer 1

你走了：

transform(df, statins=as.numeric(grepl('^C(10|09)', drugs)))

使用grep函数来识别用于生成二进制指示符的值

1 个答案: