问题描述
这是我的数据框
data<-data.frame(
ID=c(1:8),Diag1=c(1,1,0),Diag2=c(0,Diag3=c(0,Multiple.Diag=c(0,0)
)
我的患者有不同的诊断,其中一些有多个诊断。这些诊断是伪变量,需要将其转换为分类变量。如果患者患有Mult.diag==1
,则他的诊断将是Multiple.diag
,否则他的诊断将是Diag1
,Diag2
或Diag3
。如果患者的全部变量为0,则诊断为"Other"
。
这就是我想要的:
ID Diagnosis
1 1 Diag1
2 2 Diag2
3 3 Multiple.Diag
4 4 Multiple.Diag
5 5 Diag1
6 6 Diag3
7 7 Multiple.Diag
8 8 Other
解决方法
这里是max.col
的一个选项,用于在“诊断”列的子集的每一行中找到具有最高值的列的索引,使用该索引获取列名,然后将这些元素更改为“ “ Multiple.Diag”(其为1,如果连续没有1),则使用使用rowSums
代码
out <- cbind(data['ID'],Diagnosis = names(data)[-1][
max.col(data[startsWith(names(data),'Diag')],'first')])
i1 <- as.logical(data$Multiple.Diag)
out$Diagnosis[i1] <- 'Multiple.Diag'
i2 <- rowSums(data[-1]) == 0
out$Diagnosis[i2] <- 'Other'
-输出
out
# ID Diagnosis
#1 1 Diag1
#2 2 Diag2
#3 3 Multiple.Diag
#4 4 Multiple.Diag
#5 5 Diag1
#6 6 Diag3
#7 7 Multiple.Diag
#8 8 Other
max.col
是矢量化的,应该非常快
或者另一种选择是将which
与arr.ind = TRUE
一起使用
m1 <- which(data[-1] == 1,arr.ind = TRUE)
cbind(data['ID'],Diagnosis = ifelse(rowSums(data[-1]) == 0,'Other',names(data)[-1][tapply(m1[,2],m1[,1],FUN = max)]))
-输出
# ID Diagnosis
#1 1 Diag1
#2 2 Diag2
#3 3 Multiple.Diag
#4 4 Multiple.Diag
#5 5 Diag1
#6 6 Diag3
#7 7 Multiple.Diag
#8 8 Other
或通过相同的方法使用tidyverse
library(dplyr)
data %>%
transmute(ID,Diagnosis = case_when(rowSums(.[-1]) == 0 ~ "Other",TRUE ~ names(.)[-1][max.col(.[-1],'last')]))
-输出
# ID Diagnosis
#1 1 Diag1
#2 2 Diag2
#3 3 Multiple.Diag
#4 4 Multiple.Diag
#5 5 Diag1
#6 6 Diag3
#7 7 Multiple.Diag
#8 8 Other
或者是我们将rowwise
与c_across
一起使用的另一种选择
data %>%
rowwise %>%
transmute(ID,Diagnosis = coalesce(case_when(as.logical(Multiple.Diag)
~ 'Multiple.Diag',TRUE ~ names(.)[-1][as.logical(c_across(-1))][1] ),'Other'))
-输出
# A tibble: 8 x 2
# Rowwise:
# ID Diagnosis
# <int> <chr>
#1 1 Diag1
#2 2 Diag2
#3 3 Multiple.Diag
#4 4 Multiple.Diag
#5 5 Diag1
#6 6 Diag3
#7 7 Multiple.Diag
#8 8 Other
,
您可以像这样使用apply()
和内置函数。您可以将结果添加到原始data
或保存在新的数据框中。函数myfunc
根据您提到的说明提取要处理的变量的名称。这里的代码:
#Code
myfunc <- function(x)
{
y <- names(x)[max(which(x==1))]
if(is.na(y))
{
y <- 'Others'
}
return(y)
}
#Add var
data$Var <- apply(data[,-1],1,myfunc)
输出:
ID Diag1 Diag2 Diag3 Multiple.Diag Var
1 1 1 0 0 0 Diag1
2 2 0 1 0 0 Diag2
3 3 1 0 0 1 Multiple.Diag
4 4 0 1 1 1 Multiple.Diag
5 5 1 0 0 0 Diag1
6 6 0 0 1 0 Diag3
7 7 1 1 1 1 Multiple.Diag
8 8 0 0 0 0 Others
,
您还可以使用tidyverse:
data %>%
pivot_longer(-ID) %>%
group_by(ID) %>%
slice(which.max(as.integer(factor(name))*value))%>%
mutate(name = if_else(value == 0,'other',name),value= NULL)
# A tibble: 8 x 2
# Groups: ID [8]
ID name
<int> <chr>
1 1 Diag1
2 2 Diag2
3 3 Multiple.Diag
4 4 Multiple.Diag
5 5 Diag1
6 6 Diag3
7 7 Multiple.Diag
8 8 other