我正在寻找一种更改虚拟变量中的变量类别的最佳方法

Question

我有一些患者在不同的时间接受不同的治疗。 我想将他们接受的治疗更改为一个二进制变量，如果患者至少接受过一次药物，则取值为 1，如果他们从未接受过药物，则取值为 0。

我设法做到了这一点，但方法很繁琐，使用几十种不同类型的药物可能很难。

我想优化我的代码，主要是避免一一创建所有与药物相关的二进制变量。

id<-c(rep("A",7),rep("B",4))
medoc<-c("par","mor","mor","par","sed","sed",
         "sed","cur","sed","cur","sed")

mydata<-data.frame(id,medoc)

mydata2<-mydata%>%group_by(id)%>%
  mutate(medoc_str=paste(unique(medoc),collapse  = " "))%>%
  distinct(id,.keep_all = TRUE)

mydata2$par<-NA
mydata2$mor<-NA
mydata2$sed<-NA
mydata2$cur<-NA

mydata2$par<-ifelse(
  grepl("par",mydata2$medoc_str)==TRUE,1,0
)

mydata2$mor<-ifelse(
  grepl("mor",mydata2$medoc_str)==TRUE,1,0
)

mydata2$sed<-ifelse(
  grepl("sed",mydata2$medoc_str)==TRUE,1,0
)

mydata2$cur<-ifelse(
  grepl("cur",mydata2$medoc_str)==TRUE,1,0
)

Answer 1

如果我理解的话，您想对变量进行虚拟化。 我们也可以使用tidyr::pivot_wider 来做到这一点，但我真的很喜欢使用特定的库来轻松地做到这一点。我喜欢fastDummies 包：

library(fastDummies)

dummy_cols(mydata, select_columns = 'medoc')

   id medoc medoc_cur medoc_mor medoc_par medoc_sed
1   1   par         0         0         1         0
2   1   mor         0         1         0         0
3   1   mor         0         1         0         0
4   1   par         0         0         1         0
5   1   sed         0         0         0         1
6   1   sed         0         0         0         1
7   1   sed         0         0         0         1
8   2   cur         1         0         0         0
9   2   sed         0         0         0         1
10  2   cur         1         0         0         0
11  2   sed         0         0         0         1

这是pivot_wider的答案：

library(tidyr)
library(dplyr)
mydata %>% mutate(index = row_number()) %>%
  pivot_wider(names_from = medoc,
              values_from = medoc,
              values_fn = \(x) +!is.na(x),
              values_fill = 0)

Answer 2

类似于@Guedes 的解决方案，但具有不同的values_fn：

library(dplyr)
library(tidyr)

mydata %>%
  mutate(row = row_number()) %>%
  pivot_wider(names_from = medoc, values_from = medoc,
              values_fn = function(x) 1, values_fill = 0) %>%
  select(-row)
# A tibble: 11 x 5
      id   par   mor   sed   cur
   <dbl> <dbl> <dbl> <dbl> <dbl>
 1     1     1     0     0     0
 2     1     0     1     0     0
 3     1     0     1     0     0
 4     1     1     0     0     0
 5     1     0     0     1     0
 6     1     0     0     1     0
 7     1     0     0     1     0
 8     2     0     0     0     1
 9     2     0     0     1     0
10     2     0     0     0     1
11     2     0     0     1     0

Answer 3

在最后的注释中使用 mydata 并假设您希望每个 id 有一行，并使用二进制列指示 medoc 的哪些值存在 (1) 或不存在 (0)，我们可以像这样使用 table。 （如果您想要计数而不是存在/不存在，请省略 pmin。）

pmin(table(mydata), 1)
##    medoc
## id  cur mor par sed
##  A   0   1   1   1
##  B   1   0   0   1

或作为数据框并添加 medoc_str

library(dplyr)
library(tibble)

mydata %>%
  table %>%
  pmin(1) %>%
  as.data.frame.matrix %>%
  rownames_to_column(var = "id") %>%
  group_by(id) %>%
  mutate(medoc_str = paste(names(cur_data())[c_across() == 1], collapse = " ")) %>%
  ungroup
## # A tibble: 2 x 6
##   id      cur   mor   par   sed medoc_str  
##   <chr> <dbl> <dbl> <dbl> <dbl> <chr>      
## 1 A         0     1     1     1 mor par sed
## 2 B         1     0     0     1 cur sed    

注意

修改 mydata 以使用更好的 id。

id <- c(rep("A", 7), rep("B", 4))
medoc <- c("par", "mor", "mor", "par", "sed", "sed",
         "sed", "cur", "sed", "cur", "sed")

mydata <- data.frame(id, medoc)

我的数据看起来像这样。

> mydata
   id medoc
1   A   par
2   A   mor
3   A   mor
4   A   par
5   A   sed
6   A   sed
7   A   sed
8   B   cur
9   B   sed
10  B   cur
11  B   sed