如果向量中的任何字符串出现在几列中的任一列中，则R - 返回布尔值 [英] R - return boolean if any strings in a vector appear in any of several columns
问题描述
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 ... Diag_20
数据数据数据数据J123 F456 H789 E468
数据数据数据数据T452 NA NA NA
另外，我有一个长度为136的所有字符串的向量（ risk_codes ）。这些字符串是可以类似于截断的诊断代码的风险代码（例如，J12可以，F4会OK，H798不会）。
我想添加如果风险代码的任何类似于任何诊断代码，则返回1的数据帧的列。我不需要知道有多少，至少有一个是。
到目前为止，我尝试了以下成功，超过其他尝试： / p>
for（in 1：length（risk_codes）{
df $ newcol< - apply（df，函数（x）sum（grepl（risk_codes [i]，x [c（5:24）]）））
}
它适用于单个字符串，并将列填充为0，没有类似的代码，1用于类似的代码，但是当检查第二个代码时，所有内容都将被覆盖，等等
任何想法，请为每一行的每列中的每个risk_code运行循环是不可行的。
解决方案看起来像这样
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 ... Diag_20 newcol
数据数据数据数据J123 F456 H789 E468 1
数据数据数据数据T452 NA NA NA 0
如果我的risk_codes包含J12，F4，T543，
我们要同时将grepl应用于所有的risk_codes。所以我们一次得到一行结果。我们可以用 sapply 和任何。
所以，我们可以放弃for循环，你的代码就像这样：
my_df< - read.table（text = Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20
数据数据数据数据J123 F456 H789 E468
数据数据数据数据T452 NA NA NA，标题= TRUE）
risk_codes < c（F456，XXX）＃测试代码
my_df $ newcol< - apply（my_df，1，function（x）
any（sapply（risk_codes，
函数（代码）grepl（代码，
x [c（5:24）]）））））
结果是一个逻辑向量。
如果仍然要使用1和0而不是TRUE / FALSE，那么只需要完成： / p>
my_df $ new_col< - ifelse（my_df $ newcol，1，0）
结果将是：
> my_df
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20 newcol
1数据数据数据数据J123 F456 H789 E468 1
2数据数据数据数据T452< NA> < NA> < NA> 0
I have a large data frame, each row of which refers to an admission to hospital. Each admission is accompanied by up to 20 diagnosis codes in columns 5 to 24.
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 ... Diag_20
data data data data J123 F456 H789 E468
data data data data T452 NA NA NA
Separately, I have a vector (risk_codes) of length 136, all strings. These strings are risk codes that can be similar to the truncated diagnosis codes (e.g. J12 would be ok, F4 would be ok, H798 would not).
I wish to add a column to the data frame that returns 1 if any of the risk codes are similar to any of the diagnosis codes. I don't need to know how many, just that at least one is.
So far, I've tried the following with the most success over other attempts:
for (in in 1:length(risk_codes){
df$newcol <- apply(df,1,function(x) sum(grepl(risk_codes[i], x[c(5:24)])))
}
It works well for a single string and populates the column with 0 for no similar codes and 1 for a similar code, but then everything is overwritten when the second code is checked, and so on over the 136 elements of the risk_codes vector.
Any ideas, please? Running a loop over every risk_code in every column for every row would not be feasible.
The solution would look like this
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 ... Diag_20 newcol
data data data data J123 F456 H789 E468 1
data data data data T452 NA NA NA 0
if my risk_codes contained J12, F4, T543, for example.
We want to apply the grepl with all the risk_codes at once. So we get one result per row at once. We can do that with sapply and any.
So, we can drop the for loop and your code becomes like this:
my_df <- read.table(text="Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20
data data data data J123 F456 H789 E468
data data data data T452 NA NA NA", header=TRUE)
risk_codes <- c("F456", "XXX") # test codes
my_df$newcol <- apply(my_df,1,function(x)
any(sapply(risk_codes,
function(codes) grepl(codes,
x[c(5:24)]))))
The result is a logical vector.
If you still want to use 1 and 0 instead of the TRUE/FALSE, you just need to finish with:
my_df$new_col <- ifelse(my_df$newcol, 1, 0)
The result will be:
> my_df
Col1 Col2 Col3 Col4 Diag_1 Diag_2 Diag_3 Diag_20 newcol
1 data data data data J123 F456 H789 E468 1
2 data data data data T452 <NA> <NA> <NA> 0
这篇关于如果向量中的任何字符串出现在几列中的任一列中，则R - 返回布尔值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
