- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个数据集,我试图确定疾病的最早诊断,以及与该诊断相关的代码。这是我正在使用的文件的一个更短的版本。
不幸的是,第一个疾病代码并不总是最早的诊断,如ID 1005
df = data.frame(ID = c(1001, 1002, 1003, 1004, 1005),
Disease_code_1 = c('I802', 'G200','I802',NA, 'H356'),
Disease_code_2 = c('A071',NA,'G20',NA,'I802'),
Disease_code_3 = c('H250', NA,NA,NA,NA),
Date_of_diagnosis_1 = c('12/06/1997','13/06/1997','14/02/2003',NA,'18/03/2005'),
Date_of_diagnosis_2 = c('12/06/1998',NA,'18/09/2001',NA,'12/07/1993'),
Date_of_diagnosis_3 = c('17/09/2010',NA,NA,NA,NA))
ID Disease_code_1 Disease_code_2 Disease_code_3 Date_of_diagnosis_1 Date_of_diagnosis_2 Date_of_diagnosis_3
1 1001 I802 A071 H250 12/06/1997 12/06/1998 17/09/2010
2 1002 G200 <NA> <NA> 13/06/1997 <NA> <NA>
3 1003 I802 G20 <NA> 14/02/2003 18/09/2001 <NA>
4 1004 <NA> <NA> <NA> <NA> <NA> <NA>
5 1005 H356 I802 <NA> 18/03/2005 12/07/1993 <NA>
我尝试为每个代码和日期创建变量的多个子集,如下所示,行绑定(bind),然后仅保留最早的诊断,但是,当考虑到我需要的所有其他协变量和变量时,它相当冗长包括。
Disease_1 <- as.data.frame((cbind(df$ID, df$Disease_code_1, df$Date_of_diagnosis_1)))
Disease_2 <- as.data.frame((cbind(df$ID, df$Disease_code_2, df$Date_of_diagnosis_2)))
Disease_3 <- as.data.frame((cbind(df$ID, df$Disease_code_3, df$Date_of_diagnosis_3)))
Disease_data <- rbind(Disease_1, Disease_2, Disease_3)
colnames(Disease_data) = c("id","Disease_code","Date_of_diagnosis")
#Edit Diseasedate to only include a participant once based on earliest diagnosis
Disease_data <- Disease_data [order(Disease_data [,'id'],Disease_data [,'Date_of_diagnosis']),]
Disease_data <- Disease_data [!duplicated(Disease_data $id),]
这是一个简化版本,但我会对 Disease_
数据帧进行超过 25 次迭代,每个数据帧大约有 100 个变量,虽然可以工作,但非常笨重,如果可能的话希望使其更简洁。
我知道编辑数据以仅包含最早的参与者已经非常简洁,但这是此方法的设置。有没有办法使用可能有效的 startswith
命令?我尝试过,但没有成功。
最佳答案
您的数据在这里很难处理,因为它的格式很宽 - convert it to long-form解决起来就会容易得多。 :
使用 tidyverse
中的 dplyr
包,我们获取除 ID
之外的所有列,并将它们转换为名称-值对,每个一个单独的行。由于示例变量名称具有模式 [TYPE OF VALUE]_[SEQUENTIAL NUMBER]
,我们可以在 names_pattern
参数中使用正则表达式将值名称拆分为 name
列,其中包含测量类型(此处继续“Disease_code”或“Date_of_diagnosis”)和该序列号。
然后,我们将其扩大,以创建单个 Disease_code
和 Date_of_diagnosis
列,每个 ID 和数字组合各占 1 行。最后,我们将 Date_of_diagnosis
转换为日期格式(使用 lubridate::dmy
因为它是日/月/年格式),以便正确排序,然后过滤掉行其中,Disease_code 为 NA
,这意味着那里没有值:
library(tidyverse)
df2 <- df %>%
pivot_longer(-ID,
names_pattern = "(.*)_([0-9]*$)",
names_to = c('name', 'num')) %>%
pivot_wider() %>%
mutate(Date_of_diagnosis = dmy(Date_of_diagnosis)) %>%
filter(!is.na(Disease_code))
df2
# A tibble: 8 × 4
ID num Disease_code Date_of_diagnosis
<dbl> <chr> <chr> <date>
1 1001 1 I802 1997-06-12
2 1001 2 A071 1998-06-12
3 1001 3 H250 2010-09-17
4 1002 1 G200 1997-06-13
5 1003 1 I802 2003-02-14
6 1003 2 G20 2001-09-18
7 1005 1 H356 2005-03-18
8 1005 2 I802 1993-07-12
现在数据格式正确,我们可以按 ID 分组并为每个数据选择最早的日期(最小值):
df2 %>%
group_by(ID) %>%
slice_min(Date_of_diagnosis)
ID num Disease_code Date_of_diagnosis
<dbl> <chr> <chr> <date>
1 1001 1 I802 1997-06-12
2 1002 1 G200 1997-06-13
3 1003 2 G20 2001-09-18
4 1005 2 I802 1993-07-12
关于r - 是否有更简洁的方法来子集和提取 R 数据集中最早的诊断和代码?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/76378266/
我有一个功能是转换 ADO Recordset 进入html: class function RecordsetToHtml(const rs: _Recordset): WideString; 该函
经过几天的研究和讨论,我想出了这种方法来收集访客的熵(你可以看到我的研究历史here) 当用户访问时,我运行此代码: $entropy=sha1(microtime().$pepper.$_SERVE
给定一个无序列表 List ,我需要查找是否存在 String与提供的字符串匹配。 所以,我循环 for (String k : keys) { if (Utils.keysM
我已经搜索过这个问题,但没有找到我正在寻找的答案。 基本上,我想将类构造函数包装在 try/except 子句中,以便它忽略构造函数内特定类型的错误(但无论如何都会记录并打印它们)。我发现做到这一点的
我有一组三个数字,我想将一组数字与另一组数字进行比较。即,第一组中的每个数字小于另一组中的至少一个数字。需要注意的是,第一组中的下一个数字必须小于第二组中的不同数字(即,{6,1,6} 对 {8,8,
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 关闭 9 年前。 Improve this
首先介绍一下背景: 我正在开发一个带有 EJB 模块和应用程序客户端模块的企业应用程序 (ear)。我还使用 hibernate JPA 来实现持久性,并使用 swingx 来实现 GUI。这些是唯一
我正在尝试在我的上网本上运行 Eclipse 以便能够为 Android 进行开发。 您可能已经猜到了,Eclipse 非常慢,并且不容易有效地开发。 我正在使用 Linux Ubuntu 并且我还有
for row, instrument in enumerate(instruments): for col, value in enumerate(instrument):
return not a and not b ^ 我如何以更好的格式表达它 最佳答案 DeMorgan's Law , 也许? return not (a or b) 我认为在这一点上已经足够简单了
我正在尝试让 Font Awesome 图标看起来更 slim https://jsfiddle.net/cliffeee/7L6ehw9r/1/ . 我尝试使用“-webkit-text-strok
假设我有一个名为 vals 的数据框,如下所示: id…………日期…………min_date…… .........最大日期 1…………2016/01/01…………2017/01/01…………2018/
是否有更 Pythonic 的方式来做到这一点?: if self.name2info[name]['prereqs'] is None: se
我有一个函数可以将一些文本打印到它接收到的 ostream&。如果 ostream 以终端为目标,我想让它适应终端宽度,否则默认为某个值。 我现在做的是: 从 ostream 中获取一个 ofstre
这个问题在这里已经有了答案: Should a retrieval method return 'null' or throw an exception when it can't produce
我有这个 bc = 'off' if c.page == 'blog': bc = 'on' print(bc) 有没有更 Pythonic(和/或更短)的方式在 Python 中编写? 最佳
输入:一个包含 50,000 行的 CSV;每行包含 910 列值 0/1。 输出:运行我的 CNN 的数据框。 我编写了一个逐行读取 CSV 的代码。对于每一行,我将数据分成两部分,称为神经元(90
据我所知,with block 会在您退出 block 后自动调用 close(),并且它通常用于确保不会忘记关闭一个文件。 好像没有技术上的区别 with open(file, 'r+') as f
我有一个使用 Entity Framework V6.1.1 的 MVC 5 网站。 Entity Framework DbContext 类和模型最初都在网站项目中。这个项目有 3 个 DbCont
我是编程新手,在尝试通过将 tableView 和关联 View 的创建移动到单独的类并将委托(delegate)和数据源从 VC 移动到单独的类来精简我的 ViewController 时遇到了一些
我是一名优秀的程序员,十分优秀!