我有一个包含超过200万行和多列的数据集。一些列是医院代码,其对应于每个患者在住院期间具有的所有条件。我需要为每个条件执行一些摘要,所以我正在尝试创建一个数据集,该数据集将包含有关感兴趣的奇异条件的信息。
代码有5位数,但有时我想选择以三位数字开头的代码(其余两位数字不会消息),例如我希望包含这些代码的所有列中包含以401开头的代码的每一行码。小例子:
id dx_1 dx_2 dx_3 dx_n
1 401
2 2500 4011
3 18524
我想要id 1和2.我尝试了一些东西,但是我得到了一个错误而且它很慢。任何指针或建议都是最受欢迎的。如果有什么不清楚,我会尝试提供更多信息。
final_DB[apply(grep(paste("^", i, sep=""), final_DB[,10:29]), 1, any),]
i
对应于我想要的数字,所以在这种情况下i <- 401
和第10到29列是这段代码可能的所有列。
一个选项是filter_at
选择感兴趣的列,检查是否有任何变量有substr
,401开头过滤行
library(dplyr)
df1 %>%
filter_at(vars(starts_with("dx")), any_vars(substr(., 1, 3) == '401'))
# id dx_1 dx_2 dx_3 dx_n
#1 1 401 NA NA NA
#2 2 2500 4011 NA NA
或者使用base R
,循环通过感兴趣的列(在这种情况下,除了第一列之外的所有列),使用grepl
并检查pattern
“^ 401”是否存在 - 返回逻辑list
的vector
,我们Reduce
到使用vector
的单个逻辑|
,使用它来对数据行进行子集化
df1[Reduce(`|`, lapply(df1[-1], grepl, pattern = "^401")), ]
关于OP的帖子中的问题
final_DB[apply(grep(paste("^", i, sep=""), final_DB[,10:29]), 1, any),]
这里grep
应用于data.frame而不是vector
和grep
适用于vector/matrices
。为了纠正它,我们循环遍历行(但这样做效率很低 - 只是为了纠正代码)
i1 <- apply(final_DB[, 10:29], 1, function(x) any(grepl(paste("^", i, sep=""), x)))
df1 <- structure(list(id = 1:3, dx_1 = c(401L, 2500L, 18524L), dx_2 = c(NA,
4011L, NA), dx_3 = c(NA, NA, NA), dx_n = c(NA, NA, NA)),
class = "data.frame", row.names = c(NA, -3L))
我将使用mtcars
来演示一种方法(在基础R中)。 (顺便说一下:我不清楚你的数据是character
或numeric
,但是没关系:grep*
函数会愉快地转换为character
来查找事物,就像在grepl("^123", 122:124)
中一样......虽然浮点正则表达式显然应该与一个grain-of-salt。)
假设我们想要从20到25开始的每一行:
mt <- mtcars[1:10, 1:7]
sapply(mt, grepl, pattern = "^2[0-5]")
# mpg cyl disp hp drat wt qsec
# [1,] TRUE FALSE FALSE FALSE FALSE FALSE FALSE
# [2,] TRUE FALSE FALSE FALSE FALSE FALSE FALSE
# [3,] TRUE FALSE FALSE FALSE FALSE FALSE FALSE
# [4,] TRUE FALSE TRUE FALSE FALSE FALSE FALSE
# [5,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
# [6,] FALSE FALSE TRUE FALSE FALSE FALSE TRUE
# [7,] FALSE FALSE FALSE TRUE FALSE FALSE FALSE
# [8,] TRUE FALSE FALSE FALSE FALSE FALSE TRUE
# [9,] TRUE FALSE FALSE FALSE FALSE FALSE TRUE
# [10,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
要突出显示那些是:
mt
# mpg cyl disp hp drat wt qsec
# Mazda RX4 *21.0* 6 160.0 110 3.90 2.620 16.46
# Mazda RX4 Wag *21.0* 6 160.0 110 3.90 2.875 17.02
# Datsun 710 *22.8* 4 108.0 93 3.85 2.320 18.61
# Hornet 4 Drive *21.4* 6 *258.0* 110 3.08 3.215 19.44
# Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02
# Valiant 18.1 6 *225.0* 105 2.76 3.460 *20.22*
# Duster 360 14.3 8 360.0 *245* 3.21 3.570 15.84
# Merc 240D *24.4* 4 146.7 62 3.69 3.190 *20.00*
# Merc 230 *22.8* 4 140.8 95 3.92 3.150 *22.90*
# Merc 280 19.2 6 167.6 123 3.92 3.440 18.30
现在使用这个:
mt[ rowSums(sapply(mt, grepl, pattern = "^2[0-5]")) > 0, ]
# mpg cyl disp hp drat wt qsec
# Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46
# Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02
# Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61
# Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44
# Valiant 18.1 6 225.0 105 2.76 3.460 20.22
# Duster 360 14.3 8 360.0 245 3.21 3.570 15.84
# Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00
# Merc 230 22.8 4 140.8 95 3.92 3.150 22.90
如果您只需要检查一组特定的列,请将列选择添加到mt
中的sapply
:
mt[ rowSums(sapply(mt[,c(1,4,7)], grepl, pattern = "^2[0-5]")) > 0, ]
# mpg cyl disp hp drat wt qsec
# Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46
# Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02
# Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61
# Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44
# Valiant 18.1 6 225.0 105 2.76 3.460 20.22
# Duster 360 14.3 8 360.0 245 3.21 3.570 15.84
# Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00
# Merc 230 22.8 4 140.8 95 3.92 3.150 22.90