根据矢量指定的变量"beginning with"字符串过滤行

Question

我正在尝试根据特定的ICD9（诊断）代码过滤患者数据库。我想使用指示ICD9代码的前3个字符串的向量。

示例数据库包含3个字符变量，用于每次患者访问的IC9代码（VAR1至VAR3）。

以下是数据的示例

patient<-c("a","b","c")
var1<-c("8661", "865","8651")
var2<-c("8651","8674","2866")
var3<-c("2430","3456","9089")
observations<-data_frame(patient,var1,var2,var3)
   patient  var1  var2  var3
1       a  8661  8651  2430
2       b  865   8674  3456
3       c  8651  2866  9089
#diagnosis of interest: all beginning with "866" and "867"
dx<-c("866","867")
filtered_data<- filter(observations, var1 %like% dx | var2 %like% dx | var3 %like% dx)  

我已经尝试了几种方法，包括GREP和％like％函数，如上所述，但我无法使其适合我的情况。感谢您提供的任何帮助。

感恩节快乐

albit

Answer 1

您可以从兴趣向量中制作一个正则表格模式，并将其应用于数据框的每一列，除了patient ID，请使用rowSums检查行中是否有任何var匹配模式：

library(dplyr)
pattern = paste("^(", paste0(dx, collapse = "|"), ")", sep = "")
pattern
# [1] "^(866|867)"
filter(observations, rowSums(sapply(observations[-1], grepl, pattern = pattern)) != 0)
# A tibble: 2 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456

另一个选择是将Reduce与lapply：

使用

filter(observations, Reduce("|", lapply(observations[-1], grepl, pattern = pattern)))
# A tibble: 2 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456

---

当您拥有更多的两个模式和不同模式的字符长度时，此方法有效，例如，如果您的dx为dx<-c("866","867", "9089")：

dx<-c("866","867", "9089")
pattern = paste("^(", paste0(dx, collapse = "|"), ")", sep = "")
pattern
# [1] "^(866|867|9089)"
filter(observations, Reduce("|", lapply(observations[-1], grepl, pattern = pattern)))
# A tibble: 3 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456
#3       c  8651  2866  9089

---

检查此问题，此堆栈答案以获取更多有关REGEX中的多个或条件。

Answer 2

这看起来很接近您想要的东西，但需要更多的操作：

library(dplyr)
library(stringr)
library(tidyr)
obs2 <- observations %>%
  gather(vars, value, -patient) %>%
  filter(str_sub(value, 1, 3) %in% dx)
# A tibble: 2 × 3
  patient  vars value
    <chr> <chr> <chr>
1       a  var1  8661
2       b  var2  8674

Answer 3

您可以使用apply和ldply

library(plyr)
filtered_obs <- apply(observations, 1, function(x) if(sum(substr(x,1,3) %in% dx)>0){x})
filtered_obs <- plyr::ldply(filtered_obs,rbind)

如果您的字符数量可变，则应该有效 -

filtered_obs <- lapply(dx, function(y)
                 {
                  plyr::ldply(apply(observations, 1, function(x) 
                   {
                    if(sum(substr(x,1,nchar(y)) %in% y)>0){x}
                   }), rbind)
                 })
filtered_obs <- unique(plyr::ldply(filtered_obs,rbind))