Question

我有一个大型数据框，每行都指的是入院。每次入院都附有第5至24栏中最多20个诊断代码。

Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3 ... Diag_20
data   data   data   data   J123    F456    H789       E468
data   data   data   data   T452    NA      NA         NA

另外，我有一个长度为136的向量（ risk_codes ），所有字符串。这些字符串是风险代码，可以类似于截断的诊断代码（例如，J12可以，F4可以，H798不会）。

如果任何风险代码与任何诊断代码相似，我希望在数据框中添加一列返回1。我不需要知道多少，只有至少一个是。

到目前为止，我已经尝试了以下方面，但最成功的是其他尝试：

for (in in 1:length(risk_codes){
    df$newcol <- apply(df,1,function(x) sum(grepl(risk_codes[i], x[c(5:24)])))
}

它适用于单个字符串并填充列为0表示没有相似的代码，1表示类似的代码，但是当检查第二个代码时，所有内容都会被覆盖，依此类推到risk_codes向量的136个元素

请问任何想法？对每一行的每一列中的每个risk_code运行一个循环是不可行的。

解决方案看起来像这样

Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3 ... Diag_20   newcol
data   data   data   data   J123    F456    H789       E468      1
data   data   data   data   T452    NA      NA         NA        0

如果我的risk_codes包含例如J12，F4，T543。

Answer 1

我们希望立即将grepl与所有risk_codes一起应用。所以我们一次得到每行一个结果。我们可以使用sapply和any来完成此操作。

所以，我们可以放弃for循环，你的代码就像这样：

my_df <- read.table(text="Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3  Diag_20
data   data   data   data   J123    F456    H789       E468
data   data   data   data   T452    NA      NA         NA", header=TRUE)

risk_codes <- c("F456", "XXX") # test codes

my_df$newcol <- apply(my_df,1,function(x) 
                                  any(sapply(risk_codes, 
                                              function(codes) grepl(codes,
                                                              x[c(5:24)]))))

结果是逻辑向量。

如果您仍想使用1和0而不是TRUE / FALSE，则只需完成：

my_df$new_col <- ifelse(my_df$newcol, 1, 0)

结果将是：

> my_df
  Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20 newcol
1 data data data data   J123   F456   H789    E468      1
2 data data data data   T452   <NA>   <NA>    <NA>      0

R - 如果向量中的任何字符串出现在多列

1 个答案: