Question

我有一个包含多列（约150个）的大型数据框有一系列列（Dx1，Dx2..until Dx30）是诊断代码（代码是数字，但它们是与使用ICD-9编码系统的医疗诊断相对应的分类变量）。

我有工作代码来搜索单个列，但需要搜索所有30列，以查看是否有任何列包含指定范围内的代码（DXrange）。

核心数据框如下所示：

Case  DX1   DX2   DX3  DX4...DX30
1     123   345   567  99    12
2     234   345   NA   NA    NA
3     456   567   789  345   34

以下是工作代码：

## Defines a range of codes to search for    
DXrange <- factor(41000:41091, levels = levels(core$DX1)) 

## Search for the DXrange codes in column DX1.  

core$IndexEvent <- core$DX1 %in% DXrange & substr(core$DX1, 5, 5) != 2

## What is the frequency of the IndexEvent?
    cat("Frequency of IndexEvent : \n"); table(core$IndexEvent)

工作代码改编自＆＃34;计算全国再入院数据库（NRD）差异，报告＃2017-01＆＃34;

我可以为每个DX列运行它，然后将它们相加以获得最终的IndexEvent总数，但这不是很有效。

Answer 1

在搜索代码之前，我首先要对数据进行规范化，例如以下示例：

set.seed(314)

df <- data.frame(id = 1:5,
                 DX1 = sample(1:10,5),
                 DX2 = sample(1:10,5),
                 DX3 = sample(1:10,5))

require(dplyr)
require(tidyr)

df %>% 
  gather(key,value,-id) %>%
  filter(value %in% 1:2)

或仅使用基础R

df.long <- do.call(rbind,lapply(df[,2:4],function(x) data.frame(id = df$id, DX = x)))

df.long[df.long$DX %in% 1:2, ]

Answer 2

我们可以将filter_at与any_vars

一起使用

df %>% 
  filter_at(vars(matches("DX\\d+")), any_vars(. %in% DXrange))

，其中

DXrange <- 41000:41091

R：搜索多个因子列

2 个答案: