Question

我已经通过搜索引擎优化进行了大量搜索，但没有找到或者可能没有理解以下问题的解决方案。我有以下示例数据框：

df <- data.frame(Day = c('Day 1', 'Day 2', 'Day 3', 'Day 1', 'Day 2', 'Day 3'),
  WBC.esc = c('Yes', 'Yes', 'Yes', 'No', 'No', 'No'),
  WBC.deesc = c('No', 'No', 'No', 'No', 'Yes', 'Yes'),
  WBC.cdm = c('Yes', 'Yes', 'Yes', 'Yes', 'Yes', 'Yes'),
  Hgb.esc = c('Yes', 'No', 'Yes', 'No', 'Yes', 'No'),
  Hgb.deesc = c('No', 'Yes', 'No', 'No', 'No', 'Yes'),
  Hgb.cdm = c('No', 'No', 'No', 'No', 'No', 'No'),
  Plt.esc = c('No', 'No', 'Yes', 'No', 'No', 'No'),
  Plt.deesc = c('Yes', 'Yes', 'No', 'No', 'Yes', 'Yes'),
  Plt.cdm = c('Yes', 'Yes', 'Yes', 'Yes', 'Yes', 'Yes'))

#   Day WBC.esc WBC.deesc WBC.cdm Hgb.esc Hgb.deesc Hgb.cdm Plt.esc Plt.deesc Plt.cdm
# 1 Day 1     Yes        No     Yes     Yes        No      No      No       Yes     Yes
# 2 Day 2     Yes        No     Yes      No       Yes      No      No       Yes     Yes
# 3 Day 3     Yes        No     Yes     Yes        No      No     Yes        No     Yes
# 4 Day 1      No        No     Yes      No        No      No      No        No     Yes
# 5 Day 2      No       Yes     Yes     Yes        No      No      No       Yes     Yes
# 6 Day 3      No       Yes     Yes      No       Yes      No      No       Yes     Yes

天数表示患者住院的天数。其他列名称指的是订单类型。我想回答一下WBC / Hgb / Plt.esc或WBC / Hgb / Plt.deesc类别中是否有订单（＆＃34;是＆＃34;）的问题。在大型数据集中，* .esc之前还有其他前缀，例如HeartRate.esc，BP.esc，因此只需搜索.esc后缀即可。我知道如何通过指定每个列名来低效地执行此操作。使用以下代码：

sum(df$Day=="Day 1" & (df$WBC.esc=="Yes" | df$WBC.deesc=="Yes" | df$Hgb.esc=="Yes" | df$Hgb.deesc=="Yes" | df$Plt.esc=="Yes" | df$Plt.deesc=="Yes"))

# [1] 1

这给出了1的正确答案。

我按照他们的数字引用了这些列，这使我无法使用完整的列名称（例如：dt[,2]而不是dt$WBC.esc）但是在我的实际数据集中，即使这看起来也非常繁琐有时40-50列参考。在完整的数据集中，我希望能够执行以下操作（在这里使用excel术语，因为我熟悉的是，字母表是列名）。这个想法是它将需要一行，查看该行中的所有指定列以获得＆＃34;是＆＃34;值，如果找到它，则将其计为1或者如果找不到＆＃34;是＆＃34;然后将其计为0。

countif(B:E=="Yes" | H:Y=="Yes" | AE:AG=="Yes")

我也试过这个：

sum(df$Day=="Day 1" & (dt[,2:3]=="Yes" | df[,5:6]=="Yes" | df[,8:9]=="Yes"),na.rm=TRUE)

这不起作用，因为它返回＆＃34; 2＆＃34;建议它计算每个＆＃34;是的。＆＃34;此函数也不会运行，除非每个引用的列数不均匀，例如dt[,2:4] | dt[,8:9]，在这种情况下，我得到：

＆＃34;错误：对不一致数组进行二进制运算＆＃34;

我已经搜索了很多问题，但在帖子中我已经看到列名被单独列出，而不是汇总。如何在不必单独列出每个变量的情况下执行引用多组相邻列的操作？

Answer 1

你可以尝试：

df$anyyes <- apply(df[-1], 1, function(x) any(x=="Yes"))

导致以下数据帧：

> df
    Day WBC.esc WBC.deesc WBC.cdm Hgb.esc Hgb.deesc Hgb.cdm Plt.esc Plt.deesc Plt.cdm anyyes
1 Day 1     Yes        No     Yes     Yes        No      No      No       Yes     Yes   TRUE
2 Day 2     Yes        No     Yes      No       Yes      No      No       Yes     Yes   TRUE
3 Day 3     Yes        No     Yes     Yes        No      No     Yes        No     Yes   TRUE
4 Day 1      No        No     Yes      No        No      No      No        No     Yes   TRUE
5 Day 2      No       Yes     Yes     Yes        No      No      No       Yes     Yes   TRUE
6 Day 3      No       Yes     Yes      No       Yes      No      No       Yes     Yes   TRUE

如果您想要特定的列选择，例如只有以.esc结尾的列，您可以这样做：

df$esc.yes <- apply(df[grep("\\.esc", names(df))], 1, function(x) any(x=="Yes"))

给出：

> df
    Day WBC.esc WBC.deesc WBC.cdm Hgb.esc Hgb.deesc Hgb.cdm Plt.esc Plt.deesc Plt.cdm esc.yes
1 Day 1     Yes        No     Yes     Yes        No      No      No       Yes     Yes    TRUE
2 Day 2     Yes        No     Yes      No       Yes      No      No       Yes     Yes    TRUE
3 Day 3     Yes        No     Yes     Yes        No      No     Yes        No     Yes    TRUE
4 Day 1      No        No     Yes      No        No      No      No        No     Yes   FALSE
5 Day 2      No       Yes     Yes     Yes        No      No      No       Yes     Yes    TRUE
6 Day 3      No       Yes     Yes      No       Yes      No      No       Yes     Yes   FALSE

如果要排除cdm列，可以使用：

df$no.cdm <- apply(df[-c(1,grep("cdm", names(df)))], 1, function(x) any(x=="Yes"))

请注意，我添加了-1，因为还必须排除第一列。

Answer 2

如果我们只需要检查带有后缀＆＃39; esc / deesc＆＃39;的列名称，请使用grep创建数字索引，将＆＃39; df＆＃39;的列分组。（df[i1]），通过与＆＃39;是＆＃39;进行比较来获得逻辑矩阵。（＆＃39; m1＆＃39;），split＆＃39; m1＆＃39;列的序列通过＆＃39; m1＆＃39;，子集的列名前缀，获取rowSums，使用Reduce和+来获取相应元素的总和。通过双重否定转换为逻辑向量，并获得{0}分组的sum个真实值。获得预期的产出。

 i1 <- grep('(esc|deesc)$', colnames(df))
 m1 <- df[i1]=='Yes'
 tapply(!!Reduce(`+`,lapply(split(1:ncol(m1), 
    sub('\\..*', '', colnames(m1))), function(i)
         rowSums(m1[,i]))), df$Day, FUN=sum)
 # Day 1 Day 2 Day 3 
 #   1     2     2

计算大量列的分类变量

2 个答案: