根据不同的数据集循环创建新列答案

【问题标题】：Create new columns in loop based on different datasets根据不同的数据集循环创建新列
【发布时间】：2020-02-28 15:29:34
【问题描述】：

以下是我所拥有数据的简要说明：来自 4 项独立研究的生存数据，这些研究比较了 20 组之间的生存率。每项研究都持续了不同的时间。例如，研究 1 持续了 42 天，研究 2 持续了 50 天。

这是数据的快照：

UniqueID    Time    Censored    Group1     Group2      Study
ABC123      6       1           1          111         1
DEF456      42      0           1          112         1
GHI789      42      0           2          344         1 
JKL012      38      1           2          564         1
MNO345      19      1           10         761         1
PQR678      13      1           5          222         2
STU901      5       1           20         333         2
VWX234      50      0           15         444         2 
YZA567      20      1           15         555         2
BCD890      50      0           12         555         2

这就是我想做的事情：我想创建一个函数，允许用户选择两个参数（Study、Group1）来比较存活率。

这是我到目前为止所尝试的：

SurvA=function(a,b){
   setwd("path to my file")
   data=read.xlsx("mydata.xlsx",sheet=1)
   data_study$Study==a
   list(unique(data_study$Group1))
}

我想编写一个循环来扫描列表中所有唯一的 Group1 数字，并使用以下逻辑创建 Group1 特定变量作为示例：

data_study$Group1_10=ifelse(data_study$Group1==10,1,0)
data_study$Group1_12=ifelse(data_study$Group1==12,1,0)

我不确定如何继续执行会导致这种情况发生的循环。

完成后，其余代码将如下所示：

 library(survival)
 library(survminer)
 SurvA=function(a,b){
   setwd("path to my file")
   data=read.xlsx("mydata.xlsx",sheet=1)
   data_study$Study==a
   list(unique(data_study$Group1))

   #LOOP

   surv_object=Surv(time=data_study$Time,event=data_study$Censored)
   fit=survfit(surv_object~b,data=data_study)
   ggsurv=ggsurvplot(fit,data=data_study,pval=TRUE,xlim=c(0,60),
              title='Study 'a' Survival Plot for Group 'b' ',xlab="Time (days)")
   ggsurv$plot=ggsurv$plot+theme(plot.title=element_text(hjust=0.5))
   print(ggsurv)

}

任何帮助将不胜感激！此外，如果您对更有效的方法来编写我已经掌握的内容有建议 - 我会很高兴了解更好的方法来做到这一点。

【问题讨论】：

标签： r function loops ggplot2 survival

【解决方案1】：

最终听起来您是在一个代表一系列研究结果的数据框上进行操作。您想编写一个函数，该函数将研究标识符和该研究中的患者组作为输入，并且您希望该函数绘制指定组中患者与非患者组的生存曲线。

由于您的函数只需要处理单个指定的组b，因此对我来说，创建一个指示是否属于该组的单个变量似乎最简单，而不是按照您的建议遍历所有变量：

library(survival)
library(survminer)
SurvA <- function(dat, a, b) {
  dat <- dat[dat$Study == a,]
  dat$Group1Val <- ifelse(dat$Group1 == b, b, paste("Not", b))
  fit <- survfit(Surv(Time, Censored)~Group1Val, data=dat)
  print(ggsurvplot(fit, data=dat, pval=TRUE,
                   title=paste("Study", a, "Survival Plot for Group", b),
                   xlab="Time (Days)",
                   ggtheme=theme(plot.title=element_text(hjust=0.5))))
}
SurvA(dat, 1, 1)

结果：

数据：

set.seed(144)
s1g1S <- rexp(100, 1) ; s1g1C <- rexp(100, 0.5) ; s1g2S <- rexp(100, 1.2) ; s1g2C <- rexp(100, 0.5)
s2g1S <- rexp(100, 1) ; s2g1C <- rexp(100, 0.5) ; s2g2S <- rexp(100, 1.2) ; s2g2C <- rexp(100, 0.5)
dat <- data.frame(UniqueID=seq_len(200),
                  Time=c(pmin(s1g1S, s1g1C), pmin(s1g2S, s1g2C), pmin(s2g1S, s2g1C), pmin(s2g2S, s2g2C)),
                  Censored=as.numeric(c(s1g1S, s1g2S, s2g1S, s2g2S) > c(s1g1C, s1g2C, s2g1C, s2g2C)),
                  Group1=rep(c(1, 2, 1, 2), each=100), Study=rep(1:2, each=200))

【讨论】：