将虚拟变量转换为 R 中的单列

Question

我在 R 中有下表，其中列出了人的种族、性别、年龄和胆固醇测试。年龄和胆固醇测试显示为虚拟变量。年龄可分为低、中或高，而胆固醇测试可分为低或高。我想将年龄和胆固醇列转换为单列，其中低被归类为 1，中被归类为 2，高被归类为 3。如果一个人从未服用过胆固醇测试，胆固醇测试可能会接近低或高，应该是预期输出中的 N/A。 我希望解决方案是动态的，这样如果我有多个这种格式的列，代码仍然可以工作（即可能有一些新的测试，可以分为高、低或中作为虚拟变量）。

如何在 R 中做到这一点？

输入：

  race  gender age.low_tm1 age.medium_tm1 age.high_tm1 chol_test.low_tm1 chol_test.high_tm1
  <chr>  <int>       <int>          <int>        <int>             <int>              <int>
1 white      0           1              0            0                 0                  0
2 white      0           1              0            0                 0                  0
3 white      1           1              0            0                 0                  0
4 black      1           0              1            0                 0                  0
5 white      0           0              0            1                 0                  1
6 black      0           0              1            0                 1                  0

预期输出：

  race  gender   age  chol_test
1 white      0     1        n/a  
2 white      0     1        n/a
3 white      1     1        n/a
4 black      1     2        n/a
5 white      0     3          3
6 black      0     2          1

Answer 1

也许这有帮助

library(dplyr)
library(tidyr)
library(stringr)
df1 %>% 
   mutate(across(contains("_"),  ~  
   . * setNames(1:3, c("low", "medium", "high"))[
     str_extract(cur_column(), "low|medium|high")]))   %>%    
  rename_with(~ str_remove(., "_tm1")) %>% 
  pivot_longer(cols = -c(race, gender), 
    names_to = c(".value", "categ"), names_sep = "\\.") %>% 
  filter(age > 0|chol_test > 0) %>% 
  select(-categ) %>% 
  mutate(chol_test = na_if(chol_test, 0))

-输出

# A tibble: 7 × 4
  race  gender   age chol_test
  <chr>  <int> <int>     <int>
1 white      0     1        NA
2 white      0     1        NA
3 white      1     1        NA
4 black      1     2        NA
5 white      0     3         3
6 black      0     0         1
7 black      0     2        NA

数据

df1 <- structure(list(race = c("white", "white", "white", "black", "white", 
"black"), gender = c(0L, 0L, 1L, 1L, 0L, 0L), age.low_tm1 = c(1L, 
1L, 1L, 0L, 0L, 0L), age.medium_tm1 = c(0L, 0L, 0L, 1L, 0L, 1L
), age.high_tm1 = c(0L, 0L, 0L, 0L, 1L, 0L), chol_test.low_tm1 = c(0L, 
0L, 0L, 0L, 0L, 1L), chol_test.high_tm1 = c(0L, 0L, 0L, 0L, 1L, 
0L)), class = "data.frame", row.names = c("1", "2", "3", "4", 
"5", "6"))

Answer 2

我们可以首先定义一个自定义函数，允许我们根据变量名称重新编码虚拟变量，下面称为var_nm2value。

此函数将变量的值作为x 参数。在dplyr::across 中，这是.x 部分。它采用名称-值对列表作为value_ls 参数。该函数只是遍历名称-值对列表，检查是否在变量名称中找到value_ls 中的名称。为此，它在dplyr::cur_column() 上使用grepl。如果我们有匹配项，那么我们将所有1s 替换为来自value_ls 的值，并返回所有其他值，即零。

然后我们可以在recode_ls下面定义一个重新编码值列表。

最后，我们在dplyr::summarise 中使用purrr::map_dfc，其中我们使用要创建的变量字符串"age" 和"chol_test"，然后ii) select 仅包含该字符串的列，并且在每次迭代中我们 iii) 应用 dplyr::across 重新编码值，iv) 将结果通过管道传输到 do.call 以获取 max，最后 v) 将 0s 重新编码为 NA：

# custom function to recode  0/1 dummy variables based on their variable name an 
var_nm2value <- function(x, values_ls) {
  for (val in seq_along(values_ls)) {
    if(grepl(names(values_ls)[val], dplyr::cur_column())) {
      return(ifelse(x == 1L, values_ls[[val]], x))
    } 
  }
}

# define list of recode values
recode_ls <- list(low = 1, medium = 2, high = 3)

library(tidyverse)

# apply functions to data.frame
df1 %>% 
  summarise(race = race,
            gender = gender,
            map_dfc(set_names(c("age", "chol_test")), # i)
                    function(x) { 
                      select(., contains(x)) %>% # ii)
                        summarise("{x}" := across(everything(), var_nm2value, recode_ls) %>% # iii)
                                    do.call("pmax", .) %>% # iv) 
                                    ifelse(. == 0, NA, .))} # v)
            )) 

#>    race gender age chol_test
#> 1 white      0   1        NA
#> 2 white      0   1        NA
#> 3 white      1   1        NA
#> 4 black      1   2        NA
#> 5 white      0   3         3
#> 6 black      0   2         1

^{由reprex package (v0.3.0) 于 2022-01-03 创建}