R:将文本分隔为新列(在R中发生变异)

Question

我有一个非常大的数据集(189 K)，其中有>250个变量，其中变量是使用基于web的勾选框插入的。然后将一些变量组合成单行，例如医疗共生：

慢性肺疾病充血性心衰高血压糖尿病肥胖(BMI>35)缺血性心脏病

这个变量有1500个医疗条件的组合，如上面的线。我想突变成单独的列，例如Col 1:高血压(是/否)，Col 2:糖尿病(是/否)。因此，是否存在预先存在的条件可以用作预测变量。

有办法在R中编码这个吗？

Answer 1

在我看来，你拥有的数据是所有医疗条件的一个变量，由|隔开--类似于：

   Patient                                       Comorbids
1:  D88310                       Diabetes|Obesity (BMI>35)
2:   B9939                                            <NA>
3:   J3923                   Hypertension|Obesity (BMI>35)
4:  H09203 Hypertension|Diabetes|Chronic Pulmonary Disease

使用来自tstrsplit()包的data.table函数将其拆分，grepl()可以将每个病人的每种疾病的存在评分如下：

# Remove braces (pay attention to these sorts of issues)
data1[, Comorbids := gsub("\\(|\\)", "", Comorbids)]

# Split the strings into individual values - unique used to find all unique values
conditions <- unique(unlist(tstrsplit(data1[, Comorbids], "\\|")))
conditions <- conditions[!is.na(conditions)]

# Score the occurence and add on to data
data2 <- data.table(data1[, -c("Comorbids")], 
                    sapply(conditions, grepl, data1[, Comorbids]))

给予：

   Patient Diabetes Hypertension Obesity BMI>35 Chronic Pulmonary Disease
1:  D88310     TRUE        FALSE           TRUE                     FALSE
2:   B9939    FALSE        FALSE          FALSE                     FALSE
3:   J3923    FALSE         TRUE           TRUE                     FALSE
4:  H09203     TRUE         TRUE          FALSE                      TRUE