R数据框中字符串列的逐行比较以创建新列

Question

我必须对数据帧的字符串列执行逐行比较，然后将其与第二个数据帧进行比较。测试数据框如下所示 -

pat_id  line_code month_rule
1        r        0
1        chop     0
1        rchop    0
1        rchop    0
1        rchp     0
1        rchp     0
1        rchop    1
1        fr       0
2        f        0
2        fr       0
2        fr       1

bench 数据框(benchmark) 有标准行代码供比较。下面是示例基准数据框 -

line_code
gb
rc
br
fr
ir
r2
rchop
rcyclo
rcvp
rfnd
rcp
cp

重点是在测试数据框中创建一个新列，用于标识它是否为新行。以下是识别新行的条件 -

1. 如果month_rule为1，则为新行
2. 对于患者 1，直到第 6 行，它都属于一行。这是因为字符串“r”、“chop”、“rchp”不是基准数据帧的一部分。
3. 在第 7 行中，患者 1 具有与基准数据帧匹配的“fr”行代码，因此它也是一个新行。

最终输出的数据会是这个样子-

pat_id  line_code month_rule line
1        r        0          1
1        chop     0          1
1        rchop    0          1
1        rchop    0          1
1        rchp     0          1
1        rchp     0          1
1        rchop    1          2
1        fr       0          3
2        f        0          1
2        fr       0          1
2        fr       1          2

我的方法是使用 dplyr 来解决这个问题。由于条件太多，我无法得出最终的解决方案。这是我的想法 -

library(dplyr)
test<-test%>%rowwise()%>%
      mutate(test$line=ifelse(month_rule==0 & test$line_code!=bench$line_code), 1,0)

这不是最终的解决方案。但是，有没有更好的方法来解决它？

Answer 1

这应该可行：

test <- test %>% 
  group_by(pat_id) %>% 
  mutate(var1 = (line_code %in% bench$line_code)) %>%
  mutate(var2 = ifelse(row_number() > 1, 
                       mapply(grepl, lag(line_code), line_code),
                       0)) %>%
  mutate(line = 1 + cumsum(month_rule | (var1 & !var2))) %>%
  select(-var1, -var2)

var1 为真当且仅当line_code 是基准数据帧的一部分。

var2 为真当且仅当line_code 是前一个line_code 的“组合”（如您所说）。 （我不确定这正是您想要的，请在您的真实数据集上进行测试）

所以month_rule | (var1 & !var2) 为真当且仅当满足月份规则或（药物来自基准数据和新的）。因此line 是您的预期结果。