R - return 布尔值，如果向量中的任何字符串出现在多个列中的任何一个

Question

我有一个很大的数据框，每一行代表一次入院。每次入院在第 5 至 24 列中附有最多 20 个诊断代码。

Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3 ... Diag_20
data   data   data   data   J123    F456    H789       E468
data   data   data   data   T452    NA      NA         NA

另外，我有一个长度为 136 的向量 (risk_codes)，所有字符串。这些字符串是类似于截断诊断代码的风险代码（例如 J12 可以，F4 可以，H798 不行）。

如果 any 风险代码与任何诊断代码相似，我希望向数据框添加一列 returns 1。我不需要知道有多少，只要至少有一个就行了。

到目前为止，与其他尝试相比，我尝试了以下最成功的方法：

for (in in 1:length(risk_codes){
    df$newcol <- apply(df,1,function(x) sum(grepl(risk_codes[i], x[c(5:24)])))
}

它适用于单个字符串，并用 0 表示没有相似的代码，用 1 表示相似的代码，但是当检查第二个代码时，所有内容都会被覆盖，依此类推 136 个元素risk_codes 向量。

有什么想法吗？运行对每一行的每一列中的每个 risk_code 进行循环是不可行的。

解决方案如下所示

Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3 ... Diag_20   newcol
data   data   data   data   J123    F456    H789       E468      1
data   data   data   data   T452    NA      NA         NA        0

如果我的 risk_codes 包含 J12、F4、T543，例如。

Answer 1

我们想一次性应用所有 risk_codes 的 grepl。所以我们每行一次得到一个结果。我们可以用 sapply 和 any.

来做到这一点

所以，我们可以去掉 for 循环，你的代码会变成这样：

my_df <- read.table(text="Col1   Col2   Col3   Col4   Diag_1  Diag_2  Diag_3  Diag_20
data   data   data   data   J123    F456    H789       E468
data   data   data   data   T452    NA      NA         NA", header=TRUE)

risk_codes <- c("F456", "XXX") # test codes

my_df$newcol <- apply(my_df,1,function(x) 
                                  any(sapply(risk_codes, 
                                              function(codes) grepl(codes,
                                                              x[c(5:24)]))))

结果是一个逻辑向量。

如果您仍想使用 1 和 0 而不是 TRUE/FALSE，您只需要完成：

my_df$new_col <- ifelse(my_df$newcol, 1, 0)

结果将是：

> my_df
  Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20 newcol
1 data data data data   J123   F456   H789    E468      1
2 data data data data   T452   <NA>   <NA>    <NA>      0

R - return 布尔值，如果向量中的任何字符串出现在多个列中的任何一个

R - return boolean if any strings in a vector appear in any of several columns

string

r

apply

dataframe

grepl