如何将R中列的每一行中的":“替换为”：“之前的部分

Question

因此，在dataset中，我有一个名为“干预”的列，每行如下所示：

row1：“药物:利妥昔单抗-药物:Utomilumab-药物:Avelumab-药物: PF04518600”

row2：“生物学:alemtuzumab-生物学:供体淋巴细胞-药物:卡莫嗪药物:阿糖胞苷药物:依托泊苷药物:三聚氰胺程序:异基因骨丸”

我只想提取“药物”、“生物”、“程序”等干预类型留在专栏中。更好的是，如果只能有独特的干预类型，而不是像第一行那样的4倍的“药物”。

预期的输出如下所示：

row1：“毒品”

row2：“生物、药物、程序”

我刚刚开始使用r，我已经安装了tidyverse，并且有点习惯于玩%>%。如果有人能帮我做这件事，非常感谢！

Answer 1

如果我们只想在:之前提取前缀部分

library(dplyr)
library(stringr)
library(tidyr)
library(purrr)
df1 %>%
   mutate(Interventions = map_chr(str_extract_all(Interventions, 
          "\\w+(?=:)"), ~ toString(sort(unique(.x)))))
#               Interventions
#1                        Drug
#2 Biological, Drug, Procedure

或者另一种选择是根据分隔符、slice替换行和paste一起分隔行，在“干预”中将sorted unique值分开。

df1 %>%
   mutate(rn = row_number()) %>% 
   separate_rows(Interventions, sep="[:|]") %>% 
   group_by(rn) %>% 
   slice(seq(1, n(), by = 2)) %>%
   distinct() %>%
   summarise(Interventions = toString(sort(unique(Interventions)))) %>%
   ungroup %>% 
   select(-rn)
# A tibble: 2 x 1
#    Interventions              
#  <chr>                      
#1 Drug                       
#2 Biological, Drug, Procedure

数据

df1 <- structure(list(Interventions = c("Drug: Rituximab|Drug: Utomilumab|Drug: Avelumab|Drug: PF04518600", 
"Biological: alemtuzumab|Biological: donor lymphocytes|Drug: carmustine|Drug: cytarabine|Drug: etoposide|Drug: melphalan|Procedure: allogeneic bone marroow"
)), class = "data.frame", row.names = c(NA, -2L))

Answer 2

不像Akrun那样简洁和相同的逻辑，但是在Base R中：

# Create df: 

df1 <- structure(list(Interventions = c("Drug: Rituximab|Drug: Utomilumab|Drug: Avelumab|Drug: PF04518600", 
                                        "Biological: alemtuzumab|Biological: donor lymphocytes|Drug: carmustine|Drug: cytarabine|Drug: etoposide|Drug: melphalan|Procedure: allogeneic bone marroow"
)), class = "data.frame", row.names = c(NA, -2L))

# Assign a row id vec: 

df1$row_num <- 1:nrow(df1)

# Split string on | delim: 

split_up <- strsplit(df1$Interventions, split = "[|]")

# Roll down the dataframe - keep uniques: 

rolled_out <- unique(data.frame(row_num = rep(df1$row_num, sapply(split_up, length)),

                             Interventions = gsub("[:].*","", unlist(split_up))))

# Stack the dataframe: 

df2 <- aggregate(Interventions~row_num, rolled_out, paste0, collapse = ", ")

# Drop id vec: 

df2 <- within(df2, rm("row_num"))