r - Ifelse 在 dplyr 内需要更长的时间来执行

Question

我正在处理医疗 claim 数据，数据文件如下所示

claim_id  status
abc123    P
abc123    R
xyz374    P
xyz386    R

我想创建一个新列作为标志，该列基本上按 Claim_id 分组，并且如果同一 Claim_id 的状态同时包含“P”和“R”。标志列应包含"is"

claim_id  status  flag
abc123    P       Yes
abc123    R       Yes
xyz374    P       No
xyz386    R       No

我的解决方案是使用 dplyr :-

data <-data1 %>% 
   group_by(claim_id)%>% 
   mutate(flag = ifelse(any(status == "P" | status == "R"), 
                            "Yes", 
                             as.character(status)))

此方法需要较长时间，并且还会在标志列中将所有行标记为"is"。

Answer 1

试试这个:

data1 <- data1 %>% group_by(claim_id) %>% mutate(flag = (n_distinct(status) == 2))

这假设这是状态字段仅有的两个可能值。如果情况并非如此，您将需要执行以下操作:

data1 <- data1 %>% group_by(claim_id) %>% mutate(flag = (('P' %in% status) & ('R' %in% status)))

---

你也可以这样做

data1 %>% 
  group_by(claim_id) %>% 
  mutate(flag = ifelse(all(c("P", "R") %in% status), "Yes", "No"))

但是，使用逻辑标志可能会更好。它完全避免了 ifelse(使其更快)，并且使之后的子集化变得非常容易:

data1 %>% 
  group_by(claim_id) %>% 
  mutate(flag = all(c("P", "R") %in% status))