如果类别以R中的特定字母开头，如何筛选R中的多列？

Question

我有一个巨大的数据集，有200多万个数据集和100列。有9列包含ICD-10疾病代码，每个列以不同的字母开头。

例如：

icd1 <- c("O230", "B540", "D990", "Y555", "E980", "J777", "P090", "Q090", "R433")

icd2 <- c("O230", "B540", "D990", "Y555", "E980", "J777", "P090", "Q090", "Z433")

icd3 <- c("X230", "B540", "D990", "Y555", "E980", "J777", "P090", "Q090", "Z433")

data <- as.data.frame(rbind(icd1, icd2, icd3))

我需要做的是创建一个名为"ICD_Z“的新列，检查这9个ICD-10列的每一个代码，看看它们中是否有一个以字母Z开头，所以如果是这样的话，我创建的列将收到1，否则，0。但只有当这9列都没有以字母O开头的ICD-10代码时，它才能接收到1。

所以我的输出应该是这样的：

​

​

我怎么能这么做？

Answer 1

你可以用if_any和if_all

data %>%
  mutate(ICD_Z = if_any(V1:V9, ~grepl('^Z', .)) * 
           if_all(V1:V9, ~!grepl('^O', .)))

       V1   V2   V3   V4   V5   V6   V7   V8   V9 ICD_Z
icd1 O230 B540 D990 Y555 E980 J777 P090 Q090 R433     0
icd2 O230 B540 D990 Y555 E980 J777 P090 Q090 Z433     0
icd3 X230 B540 D990 Y555 E980 J777 P090 Q090 Z433     1

编辑：

可以使用变量存储有关列的位置：

nms <- c(1,2,3,5,7,8)
data %>%
  mutate(ICD_Z = if_any(all_of(nms), ~grepl('^Z', .)) * 
           if_all(all_of(nms), ~!grepl('^O', .)))

Answer 2

更新:一种更快的方法：

icd_cols = paste0("V",1:9)
f <- function(v) !any(v=="O") & any(v=="Z")
setDT(data)
set(data, j="icdz", value= apply(data[,..icd_cols],1,\(i) f(substr(i,1,1))))

原解

对于您的大型数据集，您可以使用这种使用data.table的方法提高一些速度。在3行的小例子中，我非正式地发现这大约快了5倍。

icd_cols = colnames(data)[c(20,21,37:45)]

• create

• 标识了9个ICD列的列表；我在这里使用了一个简单的构造来获得V1:V9，但您可以使用，一个小函数，它计算第一个字母的向量

1. ，将原始帧设为data.table
2. melt，并按id应用该函数，并将结果分配给原始框架

icd_cols = paste0("V",1:9)
f <- function(v) !any(v=="O") & any(v=="Z")
setDT(data)
data[, icdz:=(melt(data[,id:=.I],"id",icd_cols)[,f(substr(value,1,1)), by=id]$V1)][id:=NULL]

输出：

     V1   V2   V3   V4   V5   V6   V7   V8   V9  icdz
1: O230 B540 D990 Y555 E980 J777 P090 Q090 R433 FALSE
2: O230 B540 D990 Y555 E980 J777 P090 Q090 Z433 FALSE
3: X230 B540 D990 Y555 E980 J777 P090 Q090 Z433  TRUE