Блог

К сожалению, я изо всех сил пытаюсь понять, как создать новую переменную на основе диапазона категориальных переменных (с отсутствующими значениями).

У меня есть приведенный ниже набор данных (смоделированные данные)

 df = data.frame(ID = c(1001, 1002, 1003, 1004, 1005,1006,1007,  1008,1009,1010,1011),
                    Disease_code_1 = c('I802', 'H356','G560','D235', 'B178', 'F011', 'F023', 'C761', 'H653', 'A049', 'J679'),
                    Disease_code_2 = c('A071','NA','G20','NA','NA', 'A049','NA', 'NA','G300','G308','A045'),
                    Disease_code_3 = c('H250', 'NA','NA','I802','NA', 'A481', 'NA','NA','NA','NA','D352'))
  

Что дает:

      ID Disease_code_1 Disease_code_2 Disease_code_3
1  1001           I802           A071           H250
2  1002           H356             NA             NA
3  1003           G560            G20             NA
4  1004           D235             NA           I802
5  1005           B178             NA             NA
6  1006           F011           A049           A481
7  1007           F023             NA             NA
8  1008           C761             NA             NA
9  1009           H653           G300             NA
10 1010           A049           G308             NA
11 1011           J679           A045           D352
  

Я хотел бы создать новую переменную, которая присваивает 1 (присутствует заболевание) для тех, у кого есть подмножество кодов заболеваний (например, F023, G20, G300). Я попытался ответить на ранее заданные вопросы о переполнении стека с ограниченным успехом:

 df$test <- NA
df$test <-sapply(df[ , 2:4] , 
                 FUN = function(x) recode(x, "'G20' =1; 'G300' =1",
                                          as.factor.result=FALSE))
  

Что приводит к ошибке:

  Error: Argument 2 must be named, not unnamed 
  

В идеале я хотел бы, чтобы мой набор данных выглядел следующим образом:

      ID Disease_code_1 Disease_code_2 Disease_code_3 Disease_present
1  1001           I802           A071           H250               0
2  1002           H356             NA             NA               0
3  1003           G560            G20             NA               1
4  1004           D235             NA           I802               0
5  1005           B178             NA             NA               0
6  1006           F011           A049           A481               0
7  1007           F023             NA             NA               0
8  1008           C761             NA             NA               0
9  1009           H653           G300             NA               1
10 1010           A049           G308             NA               0
11 1011           J679           A045           D352               0

  

Действительно ценю любые предложения!

Вы можете просто использовать apply , как показано ниже:

 df$Disease_present <- apply(df[, -1], 1, function(x) {
  if(any(x %in% c("G20", "G300"))) {
    return(1)
  } else {
    return(0)
  }
})
df
     ID Disease_code_1 Disease_code_2 Disease_code_3 Disease_present
1  1001           I802           A071           H250               0
2  1002           H356             NA             NA               0
3  1003           G560            G20             NA               1
4  1004           D235             NA           I802               0
5  1005           B178             NA             NA               0
6  1006           F011           A049           A481               0
7  1007           F023             NA             NA               0
8  1008           C761             NA             NA               0
9  1009           H653           G300             NA               1
10 1010           A049           G308             NA               0
11 1011           J679           A045           D352               0