选择多个列并根据特定和/或条件进行过滤，然后形成新列

Question

我正在使用一个非常大的患者记录数据库。 基本上我试图根据某些诊断代码对患者进行分类。 每位患者可能有 1-10 个诊断代码（DX1、DX2、DX3、DX4、DX5、DX6、DX7、 DX8、DX9、DX10）。 我很难使用多个条件进行编码以尽可能过滤每个 DX 列 有不同的安排。

Example Dataset: 
DX1<-c("05", "89", "99", "87", "05", "67")
DX2<-c("87", "05", "21", "26", "23", "44","89", "13", "2" )
DX3<-c("04", "99","23", "05", "57", "16", "90", "89", "87")
DX4<-c("05", "26","21")
DX5<-c("67", "86","44", "63", "18", "87", "87", "05")
DX6<-c("75", "06","24", "02", "86", "15", "01", "87")
DX7<-c("86", "87","66", "56", "65", "05", "72")
install.packages("qpcR")                           
library("qpcR")
Patientdata <- qpcR:::cbind.na(DX1, DX2, DX3, DX4, DX5, DX6, DX7) 
data.frame(Patientdata)


   DX1 DX2 DX3  DX4  DX5  DX6  DX7
1   05  87  04   05   67   75   86
2   89  05  99   26   86   06   87
3   99  21  23   21   44   24   66
4   87  26  05 NA   63   02   56
5   05  23  57 NA   18   86   65
6   67  44  44 NA   87   15   05
7 NA  89  90 NA   87   01   72
8 NA  13  89 NA   05   87 NA
9 NA   2  87 NA NA NA NA

我想用（05、5 或 02 或 2 或 62）AND（87 或 087 或 0086 或 089 或 89)

Patientdata<- Patientdata%>% mutate_at(vars(DX1, DX2, DX3, DX4, DX5, DX6, DX7),
Diagnosis= ifelse(. %in% c("05"| "5"| "02"| "2"| "36"| "62"|"0062") &
c("87"| "087"| "86"| "0086"| "89"| "089"), "Yes"))

我想要什么：

ID	DX1	DX2	DX3	DX4	DX5	DX6	DX7	Diagnosis
1	05	87	04	05	67	75	86	Yes
2	89	05	99	26	86	06	87	Yes
3	99	21	23	21	44	24	66
4	87	26	05	NA	63	02	56	Yes
5	05	23	57	NA	18	86	65
6	67	44	46	NA	87	15	05	Yes
7	NA	89	90	NA	87	01	72
8	NA	13	89	NA	05	87	NA	Yes
9	NA	2	87	NA	NA	NA	NA	Yes

非常感谢任何帮助！

Answer 1

这是一个没有添加诊断变量的tidyverse 方法：

rowAny <- function(x) rowSums(x) > 0

Patientdata %>% 
  mutate(ID = row_number()) %>% 
  filter(
    rowAny(
      across(
        starts_with("DX"), 
      ~ .x %in% c("05", "5", "02", "2", "36", "62","0062"), 
      .x %in% c("87", "087", "86", "0086", "89", "089")))) 

您的示例中有 ID，但示例数据中没有，这就是在上面添加它的原因。

这给了我们：

   DX1 DX2 DX3  DX4  DX5  DX6  DX7 ID
1   05  87  04   05   67   75   86  1
2   89  05  99   26   86   06   87  2
3   87  26  05 <NA>   63   02   56  4
4   05  23  57 <NA>   18   86   65  5
5   67  44  16 <NA>   87   15   05  6
6 <NA>  13  89 <NA>   05   87 <NA>  8
7 <NA>   2  87 <NA> <NA> <NA> <NA>  9

Answer 2

更新

在 akrun 的帮助下。非常感谢。现在我得到了 OP 想要的解决方案。

Patientdata %>% 
  as_tibble %>% 
  rowwise () %>% 
  mutate(Diagnosis = if(any(c_across(starts_with("DX")) %in% vector)) "Yes" else "No") %>% 
  ungroup ()

输出：

# A tibble: 9 x 8
  DX1   DX2   DX3   DX4   DX5   DX6   DX7   Diagnosis
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>    
1 05    87    04    05    67    75    86    Yes      
2 89    05    99    26    86    06    87    Yes      
3 99    21    23    21    44    24    66    No       
4 87    26    05    NA    63    02    56    Yes      
5 05    23    57    NA    18    86    65    Yes      
6 67    44    16    NA    87    15    05    Yes      
7 NA    89    90    NA    87    01    72    Yes      
8 NA    13    89    NA    05    87    NA    Yes      
9 NA    2     87    NA    NA    NA    NA    Yes

第一个解决方案 我不确定您是否需要这种解决方案。 基本上创建您感兴趣的项目的矢量 然后使用across 和ifelse

library(tidyverse)

vector <- c("05", "5", "02", "2", "36", "62", "0062", "87", "087", "86", "0086", "89", "089")

Patientdata %>%
  as_tibble() %>% 
  mutate(Diagnosis = across(starts_with("DX"),
                            ~ ifelse(. %in% vector, "Yes", "No")))

# A tibble: 9 x 8
  DX1   DX2   DX3   DX4   DX5   DX6   DX7   Diagnosis$DX1 $DX2  $DX3  $DX4  $DX5  $DX6  $DX7 
  <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>         <chr> <chr> <chr> <chr> <chr> <chr>
1 05    87    04    05    67    75    86    Yes           Yes   No    Yes   No    No    Yes  
2 89    05    99    26    86    06    87    Yes           Yes   No    No    Yes   No    Yes  
3 99    21    23    21    44    24    66    No            No    No    No    No    No    No   
4 87    26    05    NA    63    02    56    Yes           No    Yes   No    No    Yes   No   
5 05    23    57    NA    18    86    65    Yes           No    No    No    No    Yes   No   
6 67    44    16    NA    87    15    05    No            No    No    No    Yes   No    Yes  
7 NA    89    90    NA    87    01    72    No            Yes   No    No    Yes   No    No   
8 NA    13    89    NA    05    87    NA    No            No    Yes   No    Yes   Yes   No   
9 NA    2     87    NA    NA    NA    NA    No            Yes   Yes   No    No    No    No