R - 按分组行观察折叠数据答案

【问题标题】：R - Collapse Data by Grouped Row ObservationsR - 按分组行观察折叠数据
【发布时间】：2023-03-07 12:07:01
【问题描述】：

我正在处理住院记录的大型数据框。许多患者有两次或多次住院，他们过去的病史可能在一次或多次住院时不完整。我想将他们每次住院的所有信息汇总到每个患者的医疗问题列表中。

这是一个示例数据框：

 id <- c("123","456","789","101","123","587","456","789")
 HTN <- c(TRUE, FALSE, FALSE, FALSE, FALSE, TRUE, FALSE, 
 FALSE)
 DM2 <- c(FALSE, FALSE, TRUE, TRUE, FALSE, TRUE, FALSE, TRUE)
 TIA <- c(TRUE, TRUE, TRUE, TRUE, FALSE, TRUE, TRUE, TRUE)
 df <- data.frame(id,HTN,DM2,TIA)
 df

结果：

 > df
    id   HTN   DM2   TIA
 1 123  TRUE FALSE  TRUE
 2 456 FALSE FALSE  TRUE
 3 789 FALSE  TRUE  TRUE
 4 101 FALSE  TRUE  TRUE
 5 123 FALSE FALSE FALSE
 6 587  TRUE  TRUE  TRUE
 7 456 FALSE FALSE  TRUE
 8 789 FALSE  TRUE  TRUE

我希望我的输出如下所示：

  id <- c("101","123","456","587","789")
  HTN <- c(FALSE,TRUE,FALSE,TRUE,FALSE)
  DM2 <- c(TRUE,FALSE,FALSE,TRUE,TRUE)
  TIA <- c(TRUE,TRUE,TRUE,TRUE,TRUE)
  df2 <- data.frame(id,HTN,DM2,TIA)
  df2

    id  HTN  DM2 TIA
 1 101 FALSE  TRUE TRUE
 2 123  TRUE FALSE TRUE
 3 456 FALSE FALSE TRUE
 4 587  TRUE  TRUE TRUE
 5 789 FALSE  TRUE TRUE

到目前为止，我有一个很好的预感，即安排和分组我的数据是正确的起点，我认为我可以通过为每个医疗问题创建一个新变量来使其发挥作用。不过，我有大约 30 个医疗问题需要以这种方式崩溃，而那么多重复的代码似乎是一个神秘错误的秘诀。

 df3 <- df %>%
   arrange(id) %>%
   group_by(id)

环顾四周，我无法找到一种特别优雅的方式来解决这个问题。是否有一些我忽略的 dplyr 功能？

【问题讨论】：

标签： r dataframe dplyr data-analysis data-cleaning

【解决方案1】：

我们可能会使用

df %>% group_by(id) %>% summarize_all(any)
# A tibble: 5 x 4
#   id    HTN   DM2   TIA  
#   <fct> <lgl> <lgl> <lgl>
# 1 101   FALSE TRUE  TRUE 
# 2 123   TRUE  FALSE TRUE 
# 3 456   FALSE FALSE TRUE 
# 4 587   TRUE  TRUE  TRUE 
# 5 789   FALSE TRUE  TRUE

按照您的建议，我们首先确实按id 分组。然后我们summarizeall 带有函数any 的变量：我们提供一个逻辑向量（例如，HTN 用于患者101）并返回TRUE，如果在我们有TRUE 的任何行中否则FALSE。

【讨论】：

这对我来说效果很好。我遇到的唯一问题是我的数据框实际上包含我想保留的其他一些列，这些列被 summarise_all 消除了。这很容易通过制作一个单独的关键数据帧、使用并使用 left_join 重新组合两个帧来克服。
@BrianErly，太好了。你也可以看看summarize_at，也许很容易指定你想要总结的列的名称。

【解决方案2】：

基本的 R 选项是

aggregate(.~ id, df, any)
#   id   HTN   DM2  TIA
#1 101 FALSE  TRUE TRUE
#2 123  TRUE FALSE TRUE
#3 456 FALSE FALSE TRUE
#4 587  TRUE  TRUE TRUE
#5 789 FALSE  TRUE TRUE

或rowsum

rowsum(+(df[-1]), group = df$id) > 0

【讨论】：

【解决方案3】：

如果我们更喜欢data.table，我们可以使用：

setDT(df)[, lapply(.SD, any), keyby = id]
    id   HTN   DM2  TIA
1: 101 FALSE  TRUE TRUE
2: 123  TRUE FALSE TRUE
3: 456 FALSE FALSE TRUE
4: 587  TRUE  TRUE TRUE
5: 789 FALSE  TRUE TRUE

【讨论】：