将多个变量的数据按单个变量分组

Question

在下面的数据集中，我想做两件事

pt_id <- c(1,1,1,1,1,2,2,2,3,3,3,3,3,4,4,4,4)
Tobacco <- c("once","twice","never", NA, NA, NA, NA, NA,"Once","Twice","Quit","Once",NA,NA,"Never", NA, "Never")
Alcohol <- c("twice", "once",NA, NA, "never", NA, NA, "Once", NA, "Quit", "Twice", NA, "Once", NA, NA, "Never", "Never")
PA <- c("once",NA,"never", NA, NA, NA, NA, NA,"Once",NA,"Quit","Once",NA,NA,"Never", NA, NA)
mydata <- data.frame(pt_id, Tobacco, Alcohol, PA)
mydata

1. 计数每个病人的行数，而不是每个变量(烟草、酒精和PA)按病人ID.

分组的行数。

我使用了下面的代码来获得输出，但每次只能对一个变量进行输出。

mydata_tob <- mydata %>% 
  filter(!is.na(Tobacco)) %>% 
  group_by(pt_id) %>% 
  count()

# A tibble: 3 x 2
# Groups:   pt_id [3]
  pt_id     n
  <dbl> <int>
1     1     3
2     3     4
3     4     2

但这对我来说非常费时，因为我的原始数据集中有许多变量。我想对所有变量一次输出类似的输出。

，

1. ，我的最终结果是，我想要为每个变量计算超过一个条目的pt_id的百分比。我创建了以下函数(仅用于烟草)，以便能够这样做：

gt1_prop <- function(n) {
  gt1_len <- length(mydata_tob$n[mydata_tob$n > 1])
  len_tot <- length(mydata_tob$n)
  gt1_prop <- (gt1_len/ len_tot)*100
  return(gt1_prop)
}

同样，我想以一种方式进行编码，以获得数据集中每个变量(烟草、酒精和PA)的比例。

任何建议都会有帮助。提前感谢！

Answer 1

要计算每个pt_id的非NA值的数目，可以使用across。

library(dplyr)

mydata %>%
  group_by(pt_id) %>%
  summarise(across(Tobacco:PA, ~sum(!is.na(.)))) -> result
result

#  pt_id Tobacco Alcohol    PA
#  <dbl>   <int>   <int> <int>
#1     1       3       3     2
#2     2       0       1     0
#3     3       4       3     3
#4     4       2       2     1

对于计算百分比的第二步，您可以：

result %>%
  summarise(across(Tobacco:PA, ~mean(. > 1) * 100))

#  Tobacco Alcohol    PA
#    <dbl>   <dbl> <dbl>
#1    0.75    0.75   0.5

Answer 2

在base R中，我们可以

aggregate(.~ pt_id, mydata, FUN = function(x) sum(!is.na(x)), na.action = NULL)

-output

#   pt_id Tobacco Alcohol PA
#1     1       3       3  2
#2     2       0       1  0
#3     3       4       3  3
#4     4       2       2  1

或者更简洁地使用来自base R的base R

rowsum(+(!is.na(mydata[-1])), mydata$pt_id)
#  Tobacco Alcohol PA
#1       3       3  2
#2       0       1  0
#3       4       3  3
#4       2       2  1

如果我们需要百分比

colMeans(rowsum(+(!is.na(mydata[-1])), mydata$pt_id) > 1)
#Tobacco Alcohol      PA 
#   0.75    0.75    0.50