从多个字符（字符串）变量创建虚拟变量 (r)

Question

我需要从字符（字符串）变量创建一个虚拟变量（二进制） 我的数据如下所示：

dat <- tribble(
    ~pat_id, ~icd9_1, ~icd9_2,
    1, "414.01", "414.01",
    2, "411.89", NA,
    3, NA, "410.71",
    4, NA, NA,
    5, NA, "410.51",
    6, NA, "272.0, 410.71"
)
dat



# A tibble: 6 x 3
#         pat_id icd9_1        icd9_2
#          <dbl>  <chr>         <chr>
#              1 414.01        414.01
#              2 411.89          <NA>
#              3   <NA>        410.71
#              4   <NA>          <NA>
#              5   <NA>        410.51
#              6   <NA> 272.0, 410.71

我要新建三个二进制变量：

icd9_bin_1 == icd9_1 的二进制 (0/1)
icd9_bin_2 == icd9_2 的二进制 (0/1)
icd9_bin == icd9_1 的二进制或icd9_2

创建这些二进制变量的最快方法是什么？

我已经用0 替换了NAs，变成了一个因子然后重新编码，但是那 永远。

# get structure
dat$icd9_1 %>% str()
# get rid of NAs (replace with 0s)
dat$icd9_1[is.na(dat$icd9_1 )] <- 0
# turn into factor
dat$icd9_1 <- factor(dat$icd9_1)
# get levels 
dat$icd9_1 %>% levels()
# use fct_collapse
dat %>%
    mutate(icd9_bin_1 = fct_collapse(
        icd9_1,
        `icd9` = c("411.89","414.01"),
        `no icd9 dx` = c("0")))
# A tibble: 6 x 4
#   pat_id icd9_1        icd9_2 icd9_bin_1
#    <dbl> <fctr>         <chr>     <fctr>
#        1 414.01        414.01       icd9
#        2 411.89          <NA>       icd9
#        3      0        410.71 no icd9 dx
#        4      0          <NA> no icd9 dx
#        5      0        410.51 no icd9 dx
#        6      0 272.0, 410.71 no icd9 dx

我正在寻找更优雅的解决方案。想法？

Answer 1

要手动创建二进制值，只需对每一列应用一个函数并获取列的or 来查找NA 都不是的行。

is_not_na <- function(...) Negate(is.na)(...)

dat %>%
  mutate(icd9_bin_1 = icd9_1 %>% is_not_na() %>% as.numeric(),
         icd9_bin_2 = icd9_2 %>% is_not_na() %>% as.numeric(),
         icd9_bin = as.numeric(icd9_bin_1 | icd9_bin_2))
#> # A tibble: 6 x 6
#>   pat_id icd9_1        icd9_2 icd9_bin_1 icd9_bin_2 icd9_bin
#>    <dbl>  <chr>         <chr>      <dbl>      <dbl>    <dbl>
#> 1      1 414.01        414.01          1          1        1
#> 2      2 411.89          <NA>          1          0        1
#> 3      3   <NA>        410.71          0          1        1
#> 4      4   <NA>          <NA>          0          0        0
#> 5      5   <NA>        410.51          0          1        1
#> 6      6   <NA> 272.0, 410.71          0          1        1

如果您有很多很多这样的列，您可以使用mutate_at()。

is_not_na_num <- function(...) as.numeric(Negate(is.na)(...))

# Make up a new column
dat$icd9_3 <- rev(dat$icd9_1)

# To use pattern matching...
data_auto <- dat %>%
  mutate_at(vars(matches("icd9")), funs(bin = is_not_na_num))
data_auto
#> # A tibble: 6 x 7
#>   pat_id icd9_1        icd9_2 icd9_3 icd9_1_bin icd9_2_bin icd9_3_bin
#>    <dbl>  <chr>         <chr>  <chr>      <dbl>      <dbl>      <dbl>
#> 1      1 414.01        414.01   <NA>          1          1          0
#> 2      2 411.89          <NA>   <NA>          1          0          0
#> 3      3   <NA>        410.71   <NA>          0          1          0
#> 4      4   <NA>          <NA>   <NA>          0          0          0
#> 5      5   <NA>        410.51 411.89          0          1          1
#> 6      6   <NA> 272.0, 410.71 414.01          0          1          1

（但要自动化最后的or，您可以使用reduce()...）

bin_any <- data_auto %>%
  select(matches("_bin")) %>%
  purrr::reduce(~ as.numeric(.x | .y))
data_auto$icd9_bin <- bin_any
data_auto["icd9_bin"]
#> # A tibble: 6 x 1
#>   icd9_bin
#>      <dbl>
#> 1        1
#> 2        1
#> 3        1
#> 4        0
#> 5        1
#> 6        1

Answer 2

根据您的 cmets，if_else() 是一个 dplyr 函数，如果您需要，它可以与 mutate() 很好地配合使用：

dat <- dat %>%
  mutate(icd9_bin_1 = if_else(is.na(dat$icd9_1), "no icd9 dx", "icd9"),
         more...)