分类变量中 Dataframe R 中列表的子集答案

【问题标题】：Subset of list in Dataframe R in categorical variable分类变量中 Dataframe R 中列表的子集
【发布时间】：2020-04-23 16:05:18
【问题描述】：

我的数据看起来像这样，但观察次数约为 10000。

Part<-c(1,2,3,4,5,6,7)
Disease_codes>-c("A101.12","A111.12","A121.13","A130.0","B102","C132","D156")
class(Disease_codes)<-Factor

df<-data.frame(Part,Disease_codes)

具有从A10_A13 开始的Disease_codes 的obs 是BloodCancer 患者。我需要制作它的子集，我正在尝试关注

BloodCancer <- subset(df, grepl('^A10', Disease_codes), select = Part

Part_without_Blood_cancer <- subset(df, !grepl('^A10', Disease_codes))

如果我正在尝试以下操作，则无法正常工作。

BloodCancer <- subset(df, grepl('^A10-A13', Disease_codes), select = Part

但它只给了我包含参与者的 A10 编码，但我希望 BloodCancer 变量包含来自 A10-A13 的所有内容。我怎样才能在一个命令中做到这一点。

【问题讨论】：

标签： r dataframe dplyr purrr

【解决方案1】：

grepl 对任何字符串（例如 A10、A11）返回 true 的语法如下： grepl（“A10 | A11”，变量）。要将其保留为一个语句，您可以执行以下操作：

BloodCancer = subset(df, grepl(paste(paste("A1", 0:3, sep = ""), collapse = "|"), Disease_codes), select = Part)

【讨论】：

我不希望 A14 包含在 BloodCancer 中。上面的命令会只包含 A10 到 A13 吗？
是的，前提是该字母只能位于代码的开头（例如，不能有 A14.0A10，因为您使用的是 grepl，所以我认为是这样）。然后它查找包含 A10 或 A11 或 A12 或 A13 的任何字符串，这是通过在第一个子括号中粘贴 A1 和 0、1、2、3 来完成的
欢迎您！之前看到关于 select 的评论 - 我编辑了答案以包含 select if any（grepl 周围还有一对额外的括号），但它与您最初拥有它的地方相同:)

【解决方案2】：

试着这样做

BloodCancer <- subset(df, grepl("^A1[0-3]", as.character(Disease_codes)), select = Part)

【讨论】：

【解决方案3】：

dplyr 的选项

library(dplyr)
library(stringr)
df %>%
  filter(str_detect(Disease_codes, "^A1[0-3]")) %>%
  select(Part)

【讨论】：