R-使用Stringr识别数百行中的字符串

编程问答 2022-10-27

问题描述

我有一个数据库，一些人可以进行多次诊断。我过去曾发布过类似的问题，但现在我需要解决一些细微差别：

R- How to test multiple 100s of similar variables against a condition

我有这个数据集（这是SAS文件的导入）

ID dx1  dx2  dx3  dx4  dx5  dx6 .... dx200
1  343  432  873  129  12   123       3445
2  34   12   44
3  12 
4  34   56

最初，我希望能够在不使用数百条if语句的情况下，如果任何“ dxs”等于某个数字，则可以创建一个新变量？所有不同的变量都具有相同的格式（dx＃）。所以我使用了以下代码：

例如：

dataset$highbloodpressure  <- rowSums(screen[0:832] == "410") > 0

效果很好。但是，对于同一诊断，有许多不同的代码。例如，心脏病发作可以定义为：

410.1， 410.71， 410.62， 410.42， ...这将继续提供20个其他代码。但！它们都以410开头。

我曾考虑过使用stringr（变量是一个字符串）来标识常见的代码组件（例如上例中的410），但不确定如何在rowums的上下文中使用它。

如果有人对此有任何建议，请告诉我！

感谢所有帮助！

解决方法

您可以使用grepl()函数，如果存在值，该函数将返回TRUE。为了同时检查所有列，只需将所有列折叠为每行一个字符：

df$dx.410 = NA
for(i in 1:dim(df)[1]){
  if(grepl('410',paste(df[i,2:200],collapse=' '))){
    df$dx.410[i]="Present"
  }
}

这将遍历所有行，创建一个包含该案例所有诊断的大字符，如果任何列包含410诊断，则在dx.410列中写“ Present”。

（该解决方案期望您具有第2到200列中dx变量的数据结构。如果还有其他列，只需调整这些数字即可）

rrstringr