How to replace multiple values across multiple columns of a dataframe with NA

Question

我正在处理一个大型数据框，其中每一行都是一名研究参与者，其中 20 列是他们开出的药物的代码。这是一个示例，但在我的数据中，每行最多可以填充 20 个 ATC_code 列。

dset <- data.frame("studynr" = c(1:10),
                   "ATC_code1" = c("B05XA02", "L01XC07", "B01AC05", "B01AE07", "C02AB01",
                                   "C03BA10", "C03BA11", " J01CF05", "R03DA11", "R06AE07"),
                   "ATC_code2" = c("V03AE07", "N06AB04", "N06AB10", "N06BX18", "H02AB09",
                                   "G04CB01", "C10AA01", "C08DA01", "C07AA07", "B01AA03"))

 studynr ATC_code1 ATC_code2
1        1   B05XA02   V03AE07
2        2   L01XC07   N06AB04
3        3   B01AC05   N06AB10
4        4   B01AE07   N06BX18
5        5   C02AB01   H02AB09
6        6   C03BA10   G04CB01
7        7   C03BA11   C10AA01
8        8   J01CF05   C08DA01
9        9   R03DA11   C07AA07
10      10   R06AE07   B01AA03

我有一大堆药物要从我的分析中排除，因此用 NA 替换它们在数据中的所有出现。在某些情况下，我想排除整个药物类别（因此一些排除代码只是完整药物代码的开始）。 这是一个小例子（我的排除列表大约有 500 个代码）：

exclude <- c("^C03", "^B05XA02", "^C07A", "^J")

如何一次性用 NA 替换所有 20 个 ATC 列中所有出现的排除代码？

我尝试了几种不同的方法来让它工作。这是我最近的尝试，似乎已经产生了数以万计的小问题……

exclude_fx <- function(x) replace_with_na(dset, replace = list(. = exclude))
dset <- apply(dset, 1, exclude_fx)

Answer 1

由于您的

exclude

向量已经包含字符串开头的正则表达式 (

^

)，您可以折叠整个向量以使用

|

分隔各个字符串，这样我们就可以使用

grepl

检查字符串你的专栏。

将操作包装在

across(starts_with("ATC"))

中以作用于列名以“ATC”开头的所有列。然后一个简单的

ifelse

将

NA

分配给匹配

exclude

的值。

library(dplyr)

dset %>% 
  mutate(across(starts_with("ATC"), 
                ~ifelse(grepl(paste(exclude, collapse = "|"), trimws(.x)), NA, trimws(.x))))

   studynr ATC_code1 ATC_code2
1        1      <NA>   V03AE07
2        2   L01XC07   N06AB04
3        3   B01AC05   N06AB10
4        4   B01AE07   N06BX18
5        5   C02AB01   H02AB09
6        6      <NA>   G04CB01
7        7      <NA>   C10AA01
8        8      <NA>   C08DA01
9        9   R03DA11      <NA>
10      10   R06AE07   B01AA03

因为你的一些字符串有前导空格，我用

trimws

在匹配字符串时删除它们。

Answer 2

清洗多个NA值的功能

https://github.com/tidyverse/dplyr/issues/1972

na_codes <- function(x, ...) {
  x[x %in% c(...)] <- NA
  x