搜索和使用范围内的字符答案

【问题标题】：Searching for and working with characters within a range搜索和使用范围内的字符
【发布时间】：2014-04-04 15:47:22
【问题描述】：

我有 2 个数据框。

在df1 中，我有一列国际疾病分类 (ICD) 诊断代码 (df1$PriDiag) 以及其他信息。

#df1
PriDiag = c("A051","A067","A161","A242","A459") 
Admissions = c("106","79","67","50","41") 
Pts = c("97","27","45","30","20") 
df1 = data.frame(PriDiag,Admissions,Pts) 
df1
  PriDiag Admissions Pts
1    A051        106  97
2    A067         79  27
3    A161         67  45
4    A242         50  30
5    A459         41  20

在另一个数据框 (df2) 中，我有 ICD 子类别的开始 (df2$Start) 和结束 (df2$End) 限制，以及相关描述 (df2$Description)。

#df2
Start = c("A00","A15","A20","A30") 
End = c("A09","A19","A28","A49") 
Description = c("Intestinal infectious diseases","Tuberculosis","Certain zoonotic bacterial","Other bacterial diseases")
df2 = data.frame(Start,End,Description) 
df2
Start End                         Description
1   A00 A09      Intestinal infectious diseases
2   A15 A19                        Tuberculosis
3   A20 A28 Certain zoonotic bacterial diseases
4   A30 A49            Other bacterial diseases

我要做的是为 df1 分配一个新列，其中包含代码 (df1$PriDiag) 的子类别描述 (df2$Description)。如果代码是数字而不是字符，我将能够做到这一点，但我正在努力寻找一个快速的解决方案。有没有在字符之间搜索的方法？

我想要的结果是一个新的数据框，df3，它看起来像这样：

df3
PriDiag Admissions Pts                         Description
1    A051        106  97      Intestinal infectious diseases
2    A067         79  27      Intestinal infectious diseases
3    A161         67  45                        Tuberculosis
4    A242         50  30 Certain zoonotic bacterial diseases
5    A459         41  20            Other bacterial diseases

我该怎么做？

【问题讨论】：

标签： r

【解决方案1】：

试试这个：

library(sqldf)

sqldf("select df1.*, df2.Description 
       from df1 
       left join df2
       on PriDiag between Start and End"
)

给予：

  PriDiag Admissions Pts                    Description
1    A051        106  97 Intestinal infectious diseases
2    A067         79  27 Intestinal infectious diseases
3    A161         67  45                   Tuberculosis
4    A242         50  30     Certain zoonotic bacterial
5    A459         41  20       Other bacterial diseases

【讨论】：

感谢sqldf包的建议，看起来很有用。我以前从未遇到过。

【解决方案2】：

这会对您的数据做出一些可能不正确的假设。如果您的数据不像看起来那么直接，则可以对其进行调整，但阻力最小的路径是我最喜欢的路径。

library(qdap)

## Create a list key based on ranges
key <- setNames(lapply(1:nrow(df2), function(i) {
    paste0(strtrim(df2[i, 1], 1), 
        pad(substring(df2[i, 1], 2):substring(df2[i, 2], 2), 2))
}), df2[, 3])

## Assuming that last digit isn't important use qdap's lookup function (%l%)
df1[, "Description"] <- strtrim(df1[, 1], 3) %l% key

##   PriDiag Admissions Pts                    Description
## 1    A051        106  97 Intestinal infectious diseases
## 2    A067         79  27 Intestinal infectious diseases
## 3    A161         67  45                   Tuberculosis
## 4    A242         50  30     Certain zoonotic bacterial
## 5    A459         41  20       Other bacterial diseases

【讨论】：