根据长格式数据集中的其他列键从一列中获取值
Fetching values from one column based on other column keys in long-formatted dataset
我有一个包含 100,000 多个人的长格式数据集，记录了 5 个不同时间点（不是按时间顺序）的门诊就诊情况。我在下面包含了一个示例数据集，它复制了我的数据格式：
ID: 参与者 ID visit_number: 就诊顺序
原始数据集
age_visit: 就诊时年龄
clinic_number: 特定诊所位置的标识符
age_sorted：对于每个ID，年龄按升序排列跨越5
门诊就诊
age_sorted_index：对于每个ID，访问次数
对应排序后的age
我想创建一个新列 (clinic_number_extracted) 以获取与每个排序年龄（age_sorted 值）对应的诊所标识符 (clinic_number)对于每个参与者。 我在想可以使用 age_sorted_index 和 visit_number 变量来做到这一点（生成键值对？），但我不太确定如何在 data.table 之外执行此操作。首选 tidyverse 解决方案。
我在 R 社区和堆栈交换中寻找线索，但未能准确找到我要找的东西（可能没有使用正确的搜索词）。我尝试使用 group_by(across()) 和 with_order(order_by()) 函数，但没有成功。我可能会创建一个具有一些 case_when() 条件的新变量，但如果重复 age_assessment_sorted values.
可能会 运行 成为问题
set.seed(42)
# Beginning dataset
das <- data.frame(id = rep(letters[1:3], each = 5),
visit_number = rep(1:5, times = 3),
age_visit = c(50, rep(NA_real_, times = 7), 34, 40, 72, rep(NA_real_, times = 3), 87),
clinic_number = sample(30:50, 15, replace=TRUE),
age_sorted = c(50, rep(NA_real_, times = 4), 34, 40,rep(NA_real_, times = 3), 72, 87, rep(NA_real_, times = 3)),
age_sorted_index = c(rep(1:5), 4, 5, rep(1:3), 1, 5, 2, 3, 4))
# Print out dataset
das
#> id visit_number age_visit clinic_number age_sorted age_sorted_index
#> 1 a 1 50 46 50 1
#> 2 a 2 NA 34 NA 2
#> 3 a 3 NA 30 NA 3
#> 4 a 4 NA 39 NA 4
#> 5 a 5 NA 33 NA 5
#> 6 b 1 NA 47 34 4
#> 7 b 2 NA 46 40 5
#> 8 b 3 NA 44 NA 1
#> 9 b 4 34 36 NA 2
#> 10 b 5 40 33 NA 3
#> 11 c 1 72 34 72 1
#> 12 c 2 NA 43 87 5
#> 13 c 3 NA 49 NA 2
#> 14 c 4 NA 47 NA 3
#> 15 c 5 87 44 NA 4
所需数据：
das_final <- cbind(das,
clinic_number_extracted = c(46, rep(NA_real_, times = 4), 36, 33, rep(NA_real_, times = 3), 34, 44, rep(NA_real_, times = 3)))
# Print out final dataset
das_final
#> id visit_number age_visit clinic_number age_sorted age_sorted_index
#> 1 a 1 50 46 50 1
#> 2 a 2 NA 34 NA 2
#> 3 a 3 NA 30 NA 3
#> 4 a 4 NA 39 NA 4
#> 5 a 5 NA 33 NA 5
#> 6 b 1 NA 47 34 4
#> 7 b 2 NA 46 40 5
#> 8 b 3 NA 44 NA 1
#> 9 b 4 34 36 NA 2
#> 10 b 5 40 33 NA 3
#> 11 c 1 72 34 72 1
#> 12 c 2 NA 43 87 5
#> 13 c 3 NA 49 NA 2
#> 14 c 4 NA 47 NA 3
#> 15 c 5 87 44 NA 4
#> clinic_number_extracted
#> 1 46
#> 2 NA
#> 3 NA
#> 4 NA
#> 5 NA
#> 6 36
#> 7 33
#> 8 NA
#> 9 NA
#> 10 NA
#> 11 34
#> 12 44
#> 13 NA
#> 14 NA
#> 15 NA
由 reprex package (v2.0.1)
创建于 2022-05-06
我们可以在 'age_sorted' 和 'age_visit' 之间使用 match，使用该索引对 'clinic_number' 进行子集化，并替换 [=18] 中为 NA 的元素=]到NA
library(dplyr)
das_final %>%
group_by(id) %>%
mutate(clinic_new = clinic_number[match(age_sorted, age_visit)] *
NA^is.na(age_sorted)) %>%
ungroup
-输出
# A tibble: 15 × 8
id visit_number age_visit clinic_number age_sorted age_sorted_index clinic_number_extracted clinic_new
<chr> <int> <dbl> <int> <dbl> <dbl> <dbl> <dbl>
1 a 1 50 46 50 1 46 46
2 a 2 NA 34 NA 2 NA NA
3 a 3 NA 30 NA 3 NA NA
4 a 4 NA 39 NA 4 NA NA
5 a 5 NA 33 NA 5 NA NA
6 b 1 NA 47 34 4 36 36
7 b 2 NA 46 40 5 33 33
8 b 3 NA 44 NA 1 NA NA
9 b 4 34 36 NA 2 NA NA
10 b 5 40 33 NA 3 NA NA
11 c 1 72 34 72 1 34 34
12 c 2 NA 43 87 5 44 44
13 c 3 NA 49 NA 2 NA NA
14 c 4 NA 47 NA 3 NA NA
15 c 5 87 44 NA 4 NA NA
你能不能不用分组就这样做？它似乎解决了样本数据中的问题，但也许我遗漏了一些东西：
das$clinic_number_extracted <- ifelse(!is.na(das$age_sorted), das$clinic_number, NA)
输出：
# id visit_number age_visit clinic_number age_sorted age_sorted_index clinic_number_extracted
1 a 1 50 46 50 1 46
#2 a 2 NA 34 NA 2 NA
#3 a 3 NA 30 NA 3 NA
#4 a 4 NA 39 NA 4 NA
#5 a 5 NA 33 NA 5 NA
#6 b 1 NA 47 34 4 47
#7 b 2 NA 46 40 5 46
#8 b 3 NA 44 NA 1 NA
#9 b 4 34 36 NA 2 NA
#10 b 5 40 33 NA 3 NA
#11 c 1 72 34 72 1 34
#12 c 2 NA 43 87 5 43
#13 c 3 NA 49 NA 2 NA
#14 c 4 NA 47 NA 3 NA
#15 c 5 87 44 NA 4 NA
根据提供的所需数据进行测试：
all.equal(das[,"clinic_number_extracted"], das_final[,"clinic_number_extracted"])
#[1] TRUE
我有一个包含 100,000 多个人的长格式数据集，记录了 5 个不同时间点（不是按时间顺序）的门诊就诊情况。我在下面包含了一个示例数据集，它复制了我的数据格式：
ID: 参与者 ID visit_number: 就诊顺序 原始数据集age_visit: 就诊时年龄clinic_number: 特定诊所位置的标识符age_sorted：对于每个ID，年龄按升序排列跨越5 门诊就诊age_sorted_index：对于每个ID，访问次数 对应排序后的age
我想创建一个新列 (clinic_number_extracted) 以获取与每个排序年龄（age_sorted 值）对应的诊所标识符 (clinic_number)对于每个参与者。 我在想可以使用 age_sorted_index 和 visit_number 变量来做到这一点（生成键值对？），但我不太确定如何在 data.table 之外执行此操作。首选 tidyverse 解决方案。
我在 R 社区和堆栈交换中寻找线索，但未能准确找到我要找的东西（可能没有使用正确的搜索词）。我尝试使用 group_by(across()) 和 with_order(order_by()) 函数，但没有成功。我可能会创建一个具有一些 case_when() 条件的新变量，但如果重复 age_assessment_sorted values.
set.seed(42)
# Beginning dataset
das <- data.frame(id = rep(letters[1:3], each = 5),
visit_number = rep(1:5, times = 3),
age_visit = c(50, rep(NA_real_, times = 7), 34, 40, 72, rep(NA_real_, times = 3), 87),
clinic_number = sample(30:50, 15, replace=TRUE),
age_sorted = c(50, rep(NA_real_, times = 4), 34, 40,rep(NA_real_, times = 3), 72, 87, rep(NA_real_, times = 3)),
age_sorted_index = c(rep(1:5), 4, 5, rep(1:3), 1, 5, 2, 3, 4))
# Print out dataset
das
#> id visit_number age_visit clinic_number age_sorted age_sorted_index
#> 1 a 1 50 46 50 1
#> 2 a 2 NA 34 NA 2
#> 3 a 3 NA 30 NA 3
#> 4 a 4 NA 39 NA 4
#> 5 a 5 NA 33 NA 5
#> 6 b 1 NA 47 34 4
#> 7 b 2 NA 46 40 5
#> 8 b 3 NA 44 NA 1
#> 9 b 4 34 36 NA 2
#> 10 b 5 40 33 NA 3
#> 11 c 1 72 34 72 1
#> 12 c 2 NA 43 87 5
#> 13 c 3 NA 49 NA 2
#> 14 c 4 NA 47 NA 3
#> 15 c 5 87 44 NA 4
所需数据：
das_final <- cbind(das,
clinic_number_extracted = c(46, rep(NA_real_, times = 4), 36, 33, rep(NA_real_, times = 3), 34, 44, rep(NA_real_, times = 3)))
# Print out final dataset
das_final
#> id visit_number age_visit clinic_number age_sorted age_sorted_index
#> 1 a 1 50 46 50 1
#> 2 a 2 NA 34 NA 2
#> 3 a 3 NA 30 NA 3
#> 4 a 4 NA 39 NA 4
#> 5 a 5 NA 33 NA 5
#> 6 b 1 NA 47 34 4
#> 7 b 2 NA 46 40 5
#> 8 b 3 NA 44 NA 1
#> 9 b 4 34 36 NA 2
#> 10 b 5 40 33 NA 3
#> 11 c 1 72 34 72 1
#> 12 c 2 NA 43 87 5
#> 13 c 3 NA 49 NA 2
#> 14 c 4 NA 47 NA 3
#> 15 c 5 87 44 NA 4
#> clinic_number_extracted
#> 1 46
#> 2 NA
#> 3 NA
#> 4 NA
#> 5 NA
#> 6 36
#> 7 33
#> 8 NA
#> 9 NA
#> 10 NA
#> 11 34
#> 12 44
#> 13 NA
#> 14 NA
#> 15 NA
由 reprex package (v2.0.1)
创建于 2022-05-06我们可以在 'age_sorted' 和 'age_visit' 之间使用 match，使用该索引对 'clinic_number' 进行子集化，并替换 [=18] 中为 NA 的元素=]到NA
library(dplyr)
das_final %>%
group_by(id) %>%
mutate(clinic_new = clinic_number[match(age_sorted, age_visit)] *
NA^is.na(age_sorted)) %>%
ungroup
-输出
# A tibble: 15 × 8
id visit_number age_visit clinic_number age_sorted age_sorted_index clinic_number_extracted clinic_new
<chr> <int> <dbl> <int> <dbl> <dbl> <dbl> <dbl>
1 a 1 50 46 50 1 46 46
2 a 2 NA 34 NA 2 NA NA
3 a 3 NA 30 NA 3 NA NA
4 a 4 NA 39 NA 4 NA NA
5 a 5 NA 33 NA 5 NA NA
6 b 1 NA 47 34 4 36 36
7 b 2 NA 46 40 5 33 33
8 b 3 NA 44 NA 1 NA NA
9 b 4 34 36 NA 2 NA NA
10 b 5 40 33 NA 3 NA NA
11 c 1 72 34 72 1 34 34
12 c 2 NA 43 87 5 44 44
13 c 3 NA 49 NA 2 NA NA
14 c 4 NA 47 NA 3 NA NA
15 c 5 87 44 NA 4 NA NA
你能不能不用分组就这样做？它似乎解决了样本数据中的问题，但也许我遗漏了一些东西：
das$clinic_number_extracted <- ifelse(!is.na(das$age_sorted), das$clinic_number, NA)
输出：
# id visit_number age_visit clinic_number age_sorted age_sorted_index clinic_number_extracted
1 a 1 50 46 50 1 46
#2 a 2 NA 34 NA 2 NA
#3 a 3 NA 30 NA 3 NA
#4 a 4 NA 39 NA 4 NA
#5 a 5 NA 33 NA 5 NA
#6 b 1 NA 47 34 4 47
#7 b 2 NA 46 40 5 46
#8 b 3 NA 44 NA 1 NA
#9 b 4 34 36 NA 2 NA
#10 b 5 40 33 NA 3 NA
#11 c 1 72 34 72 1 34
#12 c 2 NA 43 87 5 43
#13 c 3 NA 49 NA 2 NA
#14 c 4 NA 47 NA 3 NA
#15 c 5 87 44 NA 4 NA
根据提供的所需数据进行测试：
all.equal(das[,"clinic_number_extracted"], das_final[,"clinic_number_extracted"])
#[1] TRUE