R - 使用 Stringr 识别数百行中的字符串答案

【问题标题】：R - Using Stringr to identify a string across hundreds of rowsR - 使用 Stringr 识别数百行中的字符串
【发布时间】：2020-08-12 23:11:15
【问题描述】：

我有一个数据库，其中有些人有多种诊断。我过去曾发布过类似的问题，但现在我需要解决更多细微差别：

我有这个数据集（这是一个 SAS 文件的导入）

ID dx1  dx2  dx3  dx4  dx5  dx6 .... dx200
1  343  432  873  129  12   123       3445
2  34   12   44
3  12 
4  34   56

最初，如果任何“dxs”等于某个数字，我希望能够创建一个新变量而不使用数百个 if 语句？所有不同的变量都具有相同的格式 (dx#)。所以我使用了以下代码：

例如：

dataset$highbloodpressure  <- rowSums(screen[0:832] == "410") > 0

这很好用。但是，对于同一诊断，有许多不同的代码。例如，心脏病发作可以定义为：

410.1, 410.71, 410.62, 410.42, ...这会持续 20 个额外的代码。但！它们都以 410 开头。

我考虑过使用 stringr（变量是字符串）来识别常见的代码组件（410，例如上面的示例），但不确定如何在行和的上下文中使用它。

如果有人对此有任何建议，请告诉我！

感谢大家的帮助！

【问题讨论】：

标签： r stringr

【解决方案1】：

如果存在值，您可以使用返回TRUE 的grepl() 函数。为了同时检查所有列，只需将它们全部折叠为每行一个字符：

df$dx.410 = NA
for(i in 1:dim(df)[1]){
  if(grepl('410',paste(df[i,2:200],collapse=' '))){
    df$dx.410[i]="Present"
  }
}

这将遍历所有行，创建一个包含此案例所有诊断的大字符，如果任何一列包含 410 诊断，则在 dx.410 列中写入“Present”。

（解决方案需要您在此处使用的数据结构，其中 dx 变量位于第 2 到 200 列。如果还有其他列，只需调整这些数字）

【讨论】：