计算R中多列的毒性特征变量，并在数据集中维护该信息

Question

我有一个包含药物毒性数据的数据集。行是观察(病人)和列包含一种类型的毒性(这些是多列，例如。tox1，tox2，tox3.)，发生的时间和严重程度。

例如：

​

​

侧重于假设疲劳行4和5，6,9在Tox 1行中有疲劳，7,8,10有疲劳列在Tox 2中。

我认为收集这些毒物数据的最好方法是为每种毒性创建一个列。

因此，我想创建一个具有“是”和“否”响应的疲劳列，我使用了以下方法：

Dataset$Fatigue.any.grade <- ifelse(Dataset$Toxicity.1 == "Fatigue", "Yes","No")

对于1列来说很好。

但我不能做多列，

Dataset$Fatigue.any.grade <- ifelse(Dataset$Toxicity.1|Dataset$Toxicity.2|Dataset$Toxicity.3|Dataset$Toxicity.4|Datase$Toxicity.4 == "Fatigue", "Yes","No")

我是否可以从这5个毒性柱中创建一个疲劳毒性柱？

例如，我的目标是：

​

​

Answer 1

你哪里出错了

不出所料，您的条件在一列上的工作方式与预期的一样：

Dataset$Toxicity.1 == "Fatigue"

毕竟，您只需将(使用==) character列Dataset$Toxicity.1与character值"Fatigue"进行比较。因此，Dataset$Toxicity.1 == "Fatigue"操作将生成一个logical列，其中TRUE Dataset$Toxicity.1包含"Fatigue"，而FALSE则不包含"Fatigue"。

但是，在尝试使用多列时，确实误解了 |的用法。逻辑|运算符工作在TRUEs和FALSEs的logical列(或更一般的"vectors")上，并使用OR来比较它们的相应值：

c(TRUE, FALSE, TRUE, FALSE) | c(TRUE, TRUE, FALSE, FALSE)

# [1] TRUE  TRUE  TRUE  FALSE

所以如果你期待你的病情

Dataset$Toxicity.1 | Dataset$Toxicity.2 | Dataset$Toxicity.3 | Dataset$Toxicity.4 | Dataset$Toxicity.5 == "Fatigue"

扩展成这样的东西

(Dataset$Toxicity.1 == "Fatigue") | (Dataset$Toxicity.2 == "Fatigue") | (Dataset$Toxicity.3 == "Fatigue") | (Dataset$Toxicity.4 == "Fatigue") | (Dataset$Toxicity.5 == "Fatigue")

，你错了，。根据运算顺序，首先对|s的块进行计算。

# |------------------------------------------------------------------------------------------------------|
  (Dataset$Toxicity.1 | Dataset$Toxicity.2 | Dataset$Toxicity.3 | Dataset$Toxicity.4 | Dataset$Toxicity.5) == "Fatigue"

并将结果与字符串"Fatigue"进行比较。

问题是，您的Dataset$Toxicity.* character 列是character而不是 logical**，，所以使用** |**.将它们相互比较是没有意义的。即使您使用_could_，，结果也是一个逻辑向量，可以将_而不是_与字符串** "Fatigue"**.**进行相等性比较。

如何修复它

如果要正确地执行实现，需要写出每个character比较，然后在logical结果上使用|：

Dataset$Fatigue.any.grade <- ifelse(
  Dataset$Toxicity.1 == "Fatigue" | Dataset$Toxicity.2 == "Fatigue" | Dataset$Toxicity.3 == "Fatigue" | Dataset$Toxicity.4 == "Fatigue" | Dataset$Toxicity.5 == "Fatigue",
  "Yes","No"
)

如何做得更好

德普利包提供了mutate()来创建(或转换)列，across()可以一次操作多个列。

您可以使用一个临时的across() ~. == "Fatigue"来操作所有的Toxicity.*列，它将这些列中的每一个(.)与字符串"Fatigue"进行比较；然后您可以使用Reduce()来使用|合并这些(logical)结果。

library(dplyr)

Dataset <- Dataset %>%
  mutate(
    # Create a new column: 'Fatigue.any.grade'.
    Fatigue.any.grade = across(
      # Look across all the columns whose names start with "Toxicity."...
        starts_with("Toxicity."),
        # ...and compare each column against the string "Fatigue".
        ~. == "Fatigue"
      ) %>%

        # Consolidate those logical results using OR (|), to show (TRUE) where ANY of
        # those columns contained "Fatigue".
        Reduce(f = `|`) %>%

        # Change the TRUEs and FALSEs into "Yes"s and "No"s.
        if_else("Yes", "No")
  )

备注

我已经写了很多注释，但是您可以很容易地缩短这个mutate()

mutate(
  Fatigue.any.grade = across(starts_with("Toxicity."), ~. == "Fatigue") %>% Reduce(f = `|`) %>% if_else("Yes", "No")
)

自然，你可以做同样的腹泻和疲劳。只需复制上面的mutate()，但是使用列名Diarrhoea.any.grade和公式~. == "diarhhoea"。

您还可以通过修改类似于：的公式使比较不区分大小写。因此，除了检测"FATIGUE"、"fatigue"和"fATigUe"之外，还可以检测"Fatigue"。

更新

由请求

...say，现在，我想看看被分类为2级或更高的毒性，即Fatige 2级，占柱数。最好的编码方法是什么？

下面是一个更高级的解决方案，它以年级(tox*_Grade)为条件：

# Define a grade range: 2 and higher.
min_grade <- 2
max_grade <- Inf


Dataset <- Dataset %>%
  mutate(
    Fatigue_Grade_n = (
      # Count fatigues...
      across(starts_with("Toxicity."), ~. == "Fatigue") &
      # ...whose grades are in a certain range.
      across(matches("tox\\d+_Grade"), ~ . >= min_grade & . <= max_grade)
      #                                ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
      #                                CUSTOM FORMULA: Just use '.'
    ) %>%
      # Consolidate those logical results, to show (TRUE) where 'any()' of those columns
      # contained "Fatigue".
      apply(MARGIN = 1, FUN = any)

    # ...
  )

备注

您可以使tox*_Grade 公式任意复杂，以满足您的需要。请记住以下几点：

• 在公式前面加上~符号。
• 将tox*_Grade列表示为.符号。
• 将.列视为它的向量。所以使用矢量化操作(比如&而不是&&)。

Answer 2

melt和dcast应该做您想做的事情：

library(data.table)

dt <- setnames(cbind(data.table(obs = sample(10, 10)), as.data.table(t(replicate(10, sample(c("fatigue", "diarrhoea", "nausia", "rash", "ulcer"), 3))))), new = c("obs", "tox1", "tox2", "tox3"))
> dt
    obs      tox1      tox2      tox3
 1:   4   fatigue diarrhoea      rash
 2:   5   fatigue      rash     ulcer
 3:  10      rash     ulcer    nausia
 4:   9      rash    nausia     ulcer
 5:   8     ulcer    nausia diarrhoea
 6:   3     ulcer diarrhoea    nausia
 7:   6    nausia     ulcer   fatigue
 8:   2    nausia     ulcer   fatigue
 9:   7 diarrhoea   fatigue     ulcer
10:   1 diarrhoea      rash    nausia

> cbind(setorder(dt, obs), dcast(melt(dt, id.var = "obs"), obs ~ value, value.var = "variable")[, -1])
    obs      tox1      tox2      tox3 diarrhoea fatigue nausia rash ulcer
 1:   1 diarrhoea      rash    nausia      tox1    <NA>   tox3 tox2  <NA>
 2:   2    nausia     ulcer   fatigue      <NA>    tox3   tox1 <NA>  tox2
 3:   3     ulcer diarrhoea    nausia      tox2    <NA>   tox3 <NA>  tox1
 4:   4   fatigue diarrhoea      rash      tox2    tox1   <NA> tox3  <NA>
 5:   5   fatigue      rash     ulcer      <NA>    tox1   <NA> tox2  tox3
 6:   6    nausia     ulcer   fatigue      <NA>    tox3   tox1 <NA>  tox2
 7:   7 diarrhoea   fatigue     ulcer      tox1    tox2   <NA> <NA>  tox3
 8:   8     ulcer    nausia diarrhoea      tox3    <NA>   tox2 <NA>  tox1
 9:   9      rash    nausia     ulcer      <NA>    <NA>   tox2 tox1  tox3
10:  10      rash     ulcer    nausia      <NA>    <NA>   tox3 tox1  tox2

NA值表示在该行中找不到毒性类型。否则，fatigue等下的值指示它来自哪个毒性柱。

更新:如果您希望在毒性类型列中只有TRUE/FALSE，那么这是一个简单的修改：

> cbind(setorder(dt, obs), dcast(melt(dt, id.var = "obs")[, present := TRUE], obs ~ value, value.var = "present")[, -1])
    obs      tox1      tox2      tox3 diarrhoea fatigue nausia rash ulcer
 1:   1 diarrhoea      rash    nausia      TRUE      NA   TRUE TRUE    NA
 2:   2    nausia     ulcer   fatigue        NA    TRUE   TRUE   NA  TRUE
 3:   3     ulcer diarrhoea    nausia      TRUE      NA   TRUE   NA  TRUE
 4:   4   fatigue diarrhoea      rash      TRUE    TRUE     NA TRUE    NA
 5:   5   fatigue      rash     ulcer        NA    TRUE     NA TRUE  TRUE
 6:   6    nausia     ulcer   fatigue        NA    TRUE   TRUE   NA  TRUE
 7:   7 diarrhoea   fatigue     ulcer      TRUE    TRUE     NA   NA  TRUE
 8:   8     ulcer    nausia diarrhoea      TRUE      NA   TRUE   NA  TRUE
 9:   9      rash    nausia     ulcer        NA      NA   TRUE TRUE  TRUE
10:  10      rash     ulcer    nausia        NA      NA   TRUE TRUE  TRUE