输入、处理和输出数据对

Question

我们有一个包含药物管理数据的文本文件。每行包含一个患者 ID、一个给药日期和一个药物名称，格式如下：

A234,2014-01-01,5FU
A234,2014-01-02,adderall
B324,1990-06-01,adderall
A234,2014-01-02,tylenol
B324,1990-06-01,tylenol
...etc.

使用此格式的输入文件，生成至少 25 次不同时间一起给药（即在同一天对同一患者给药）的成对药物列表。在上面的示例中，adderall 和 tylenol 一起出现了两次，但每隔一对只出现一次。将每个符合条件的对输出为逗号分隔的元组，每行一个。

假设adderall-tylenolcombination 出现了 50 次，tylenol-5FU 组合出现了 10 次，输出文件应该如下所示： 用药频率 adderall-tylenol 50

请注意，由于tylenol-5FU 组合出现的次数少于 25 次，因此它不包含在最终输出中。

Answer 1

使用library(data.table) 我们可以做到

dt[, paste(drug, collapse = '-'), by = .(id,date)]
#      id       date               V1
# 1: A234 2014-01-01              5FU
# 2: A234 2014-01-02 adderall-tylenol
# 3: B324 1990-06-01 adderall-tylenol

虽然这也包括药物组合不是元组的 id-date 组合。如果您只想拥有正好有两种药物的行，那么我们为此添加一个测试：

dt[, if (.N == 2) paste(drug, collapse = '-'), by = .(id,date)]
#      id       date               V1
# 1: A234 2014-01-02 adderall-tylenol
# 2: B324 1990-06-01 adderall-tylenol

为了将这些结果进一步细分到仅在不同日期应用药物组合超过 25 次的患者，我们可以将结果链接到另一个测试：

dt[, if (.N == 2) paste(drug, collapse = '-'), by = .(id,date)][, if (.N>25) .(date,V1), by=id]

如果需要，您可以使用 write.table 将这些结果写入新文件

数据

dt = fread("id, date, drug
A234,2014-01-01,5FU
A234,2014-01-02,adderall
B324,1990-06-01,adderall
A234,2014-01-02,tylenol
B324,1990-06-01,tylenol")

Answer 2

您可以使用dplyr 库来汇总数据表。

library(dplyr)

data = data.frame(id = c("A234","A234", "B324", "A234","B324"),
                  date = strptime(c("2014-01-01","2014-01-02", "1990-06-01", "2014-01-02", "1990-06-01"),
                                  format = "%Y-%m-%d"),
                  drug = c("5FU", "adderall", "adderall", "tylenol", "tylenol"))

data %>%
  group_by(id, date) %>%
  summarise(drug_used = paste(drug,collapse = "-"))

Source: local data frame [3 x 3]
Groups: id [?]

      id       date        drug_used
  <fctr>     <dttm>            <chr>
1   A234 2014-01-01              5FU
2   A234 2014-01-02 adderall-tylenol
3   B324 1990-06-01 adderall-tylenol