您如何将行汇总为三个级别的因子变量？

Question

我有一个数据集，其中一些参与者有多行，我需要以每个参与者只有一行的方式聚合数据。数据集包含不同的变量类型（例如，因子，日期，年龄等）。我编写了一个有效的代码，看起来像这样：

example4 <- SMARTdata_50j_diagc_2016  %>% 
  group_by( Patient_Id ) %>%  
  summarise( Groep = first( Groep ),
             Ziekenhuis_Nr = first( Ziekenhuis_Nr ),
             Ziekenhuistype = first( Ziekenhuistype ),
             aantalDBC = n(),
             aantalVervolg = sum( as.numeric( Zorgtype_Code ) ),
             Leeftijd = mean( Lft_patient_openenDBC ),
             MRI_nee_ja = max( ifelse( MRI_nee_ja == 0, 0, 1 ) ),
             aantalMRI = sum( MRI_Aantal ),
             Artroscopie_nee_ja = max( ifelse( Artroscopie_nee_jaz_jam == 0, 0, 1 ) ),
             aantalArtroscopie = sum( Artroscopie_aantal ),
             overigDBC = mean( Aantal_overigeDBC_bijopenen ),
             DBC_open = min( open_DBC ), 
             DBC_sluiten = max( sluiten_DBC ) ) %>% 
  as.data.frame()

此代码给我每个参与者一行。但是，我还有一个需要在新数据框中包含的变量，但是我不知道该怎么做。我需要添加的变量称为“ Diagnose_Code”，它具有两个级别的因子，即0（代表1801）和1（代表1805）。

对于具有多个行的参与者（在原始数据帧中），该参与者的变量都为0和1。现在，在我的新数据框中，我想为“ Diagnose_Code”创建一个变量，分为三个级别：如果该参与者的所有行均为0，则为0；如果该参与者的所有行均为1，则为1；如果如果该参与者同时具有0和1。

我不知道如何使这项工作。我对ifelse代码有点挣扎，但没有成功。有谁知道我该如何在我的代码中完成这项工作？先感谢您！

Answer 1

使用玩具数据集可以像这样实现：

library(dplyr)

df <- data.frame(
  id = rep(1:3, each = 3),
  diagnosis_code = c(rep(1,3), rep(0, 3), c(1, 0, 1)),
  stringsAsFactors = FALSE
)
df %>% 
  group_by(id) %>% 
  summarise(diagnosis_code = case_when(
    all(diagnosis_code == 1) ~ 1,
    all(diagnosis_code == 0) ~ 0,
    TRUE ~ 2
  ))
#> # A tibble: 3 x 2
#>      id diagnosis_code
#>   <int>          <dbl>
#> 1     1              1
#> 2     2              0
#> 3     3              2

^{由reprex package（v0.3.0）在2020-03-29创建}

Answer 2

使用ifelse应该可以：

df %>%
group_by(id) %>%
  summarise(diag=ifelse(max(diag)!=min(diag), 2, 
                          ifelse(max(diag==1), 1, 0)))

---

# A tibble: 3 x 2
     id  diag
  <dbl> <dbl>
1     1     2
2     2     1
3     3     0

数据：

df <- data.frame(id=c(1,1,1,2,2,2,3,3,3), diag=c(1,0,0,1,1,1,0,0,0))

Answer 3

df %>% 
  group_by(Patient_Id) %>% 
  summarise(Diagnose_Code = case_when(n_distinct(Diagnose_Code) == 2 ~ 3, 
                                      sum(Diagnose_Code) ==  1 ~ 1, 
                                      TRUE ~ 0 ))