Как сгруппировать по идентификатору, сохраняя все столбцы и дихотомизируя их присутствие, используя dplyr? - PullRequest
Новая
       10

Как сгруппировать по идентификатору, сохраняя все столбцы и дихотомизируя их присутствие, используя dplyr?

1 голос
/ 05 апреля 2019

У меня есть следующие данные: 

events <- structure(list(ID = structure(c(7L, 7L, 7L, 7L, 5L, 5L, 5L, 6L, 
6L, 6L, 8L, 8L, 9L, 9L, 10L, 10L, 1L, 2L, 3L, 4L), .Label = c("ST10273049951.90", 
"ST10273085397.90", "ST10273204081.90", "ST10273262134.90", "ST10273679485.90", 
"ST10274019056.90", "ST10274109968.90", "ST10274426483.90", "ST10274430159.90", 
"ST10274433406.90"), class = "factor"), TVTProcedureStartDate = structure(c(2L, 
2L, 2L, 2L, 1L, 1L, 1L, 9L, 9L, 9L, 6L, 6L, 8L, 8L, 7L, 7L, 4L, 
5L, 10L, 3L), .Label = c("11/6/2015", "12/15/2016", "12/16/2014", 
"5/20/2014", "6/17/2014", "6/30/2017", "7/18/2017", "7/6/2017", 
"9/13/2016", "9/9/2014"), class = "factor"), DCDate = structure(c(1L, 
1L, 1L, 1L, 2L, 2L, 2L, 10L, 10L, 10L, 7L, 7L, 6L, 6L, 8L, 8L, 
4L, 5L, 9L, 3L), .Label = c("1/1/2017", "11/15/2015", "12/22/2014", 
"5/23/2014", "6/29/2014", "7/15/2017", "7/5/2017", "8/3/2017", 
"9/13/2014", "9/22/2016"), class = "factor"), CE_EventOccurred = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = "Yes", class = "factor"), CE_EventDate = structure(c(4L, 
6L, 7L, 8L, 2L, 3L, 1L, 18L, 19L, 20L, 11L, 14L, 15L, 16L, 12L, 
13L, 9L, 10L, 17L, 5L), .Label = c("11/10/2015", "11/6/2015", 
"11/8/2015", "12/15/2016", "12/16/2014", "12/16/2016", "12/21/2016", 
"12/23/2016", "5/20/2014", "6/23/2014", "6/30/2017", "7/18/2017", 
"7/22/2017", "7/3/2017", "7/7/2017", "7/9/2017", "9/10/2014", 
"9/13/2016", "9/14/2016", "9/16/2016"), class = "factor"), Annular.Dissection..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Aortic.Dissection..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L), .Label = c("0", "E008"), class = "factor"), Atrial.Fibrillation..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
2L, 1L, 1L), .Label = c("0", "E006"), class = "factor"), Bleeding.at.Access.Site..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E017"), class = "factor"), Cardiac.Arrest..In.Hospital. = structure(c(1L, 
1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 
1L, 1L, 1L), .Label = c("0", "E005"), class = "factor"), Conduction.Native.Pacer.Disturbance.Req.ICD..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 2L, 1L), .Label = c("0", "E040"), class = "factor"), Conduction.Native.Pacer.Disturbance.Req.Pacer..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E039"), class = "factor"), Endocarditis..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), GI.Bleed..In.Hospital. = c(0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), Hematoma.at.Access.Site..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Ischemic.Stroke..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E011"), class = "factor"), Major.Vascular.Complications..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E041"), class = "factor"), Minor.Vascular.Complication..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Mitral.Leaflet.Injury...detected.during.surgery..In.Hospital. = structure(c(2L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E045"), class = "factor"), Mitral.Subvalvular.Injury..detected.during.surgery..In.Hospital. = structure(c(2L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E047"), class = "factor"), New.Requirement.for.Dialysis..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Other.Bleed..In.Hospital. = structure(c(1L, 2L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 1L, 2L, 1L, 1L, 
1L, 1L), .Label = c("0", "E022"), class = "factor"), Perforation.with.or.w.o.Tamponade..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 
1L, 1L, 1L), .Label = c("0", "E009"), class = "factor"), Retroperitoneal.Bleeding..In.Hospital. = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Single.Leaflet.Device.Attachment..In.Hospital. = structure(c(2L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E049"), class = "factor"), Unplanned.Other.Cardiac.Surgery.or.Intervention..In.Hospital. = structure(c(1L, 
1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L), .Label = c("0", "E031"), class = "factor"), Unplanned.Vascular.Surgery.or.Intervention..In.Hospital. = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 2L), .Label = c("0", "E032"), class = "factor")), class = "data.frame", row.names = c(NA, 
-20L))

Существует одна или несколько записей для одного и того же пациента с разными событиями или одинаковыми событиями в разные даты. Мне нужно как-то сгруппировать эти данные по каждому идентификатору и иметь данные только для каждой строки. Теперь некоторые столбцы на самом деле не имеют значения, но важны те, которые являются событиями и имеют (in hospital). Когда вы проверите данные, вы увидите, что эти события либо 0, либо имеют какой-то код, начинающийся с буквы E. Эти данные могут быть изменены, и вместо кода их следует заменить на 1. То есть, если в нескольких строках присутствует 1 или более одинаковых событий, в отдельных консолидированных строках должно отображаться только 1.

CE_EventDate s также должны отображаться в том же столбце через запятую (,).

Я пытался сделать это с помощью dplyr метода summarise, который работал нормально, но не мог понять, как сгруппировать по идентификатору и сохранить все столбцы с any в именах столбцов. Я не уверен, как получить желаемый результат. Что-то вроде следующего. 

ID  TVTProcedureStartDate   DCDate  CE_EventOccurred    CE_EventDate    Annular Dissection (In Hospital)    Aortic Dissection (In Hospital) Atrial Fibrillation (In Hospital)   Bleeding at Access Site (In Hospital)   Cardiac Arrest (In Hospital)    Conduction/Native Pacer Disturbance Req ICD (In Hospital)   Conduction/Native Pacer Disturbance Req Pacer (In Hospital) Endocarditis (In Hospital)  GI Bleed (In Hospital)  Hematoma at Access Site (In Hospital)   Ischemic Stroke (In Hospital)   Major Vascular Complications (In Hospital)  Minor Vascular Complication (In Hospital)   Mitral Leaflet Injury - detected during surgery (In Hospital)   Mitral Subvalvular Injury -detected during surgery (In Hospital)    New Requirement for Dialysis (In Hospital)  Other Bleed (In Hospital)   Perforation with or w/o Tamponade (In Hospital) Retroperitoneal Bleeding (In Hospital)  Single Leaflet Device Attachment (In Hospital)  Unplanned Other Cardiac Surgery or Intervention (In Hospital)   Unplanned Vascular Surgery or Intervention (In Hospital)
ST10274109968.90    12/15/2016  1/1/2017    Yes 12/15/2016,12/16/2016,12/21/2016,12/23/2016 0   0   0   0   1   0   0   0   0   0   0   0   0   1   1   0   1   0   0   1   1   0
ST10273262134.90    12/16/2014  12/22/2014  Yes 12/16/2014  0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   1

Я пытался различными способами group и summarise, но ни один из них не дал результатов, которые я ищу, или сгенерировал ошибку из-за синтаксической ошибки. Могли бы помочь с этим. Я играю с этим уже несколько дней

Ответы [ 2 ]

1 голос
/ 05 апреля 2019

Если я правильно прочитал ваши инструкции, это может быть тем, что вы хотите: 

#convert everything to character
events %>%
  mutate_all(as.character) -> intermediate


  intermediate %>%
  group_by(ID, TVTProcedureStartDate, DCDate, CE_EventOccurred) %>%
  summarise_at(vars(ends_with("Hospital.")), list(. = ~case_when(any(. != "0") ~ "1",
                                                               TRUE ~ "0"))) %>%
  inner_join(intermediate %>%
               group_by(ID) %>%
               summarise(CE_EventDate = list(unique(CE_EventDate))),
             by = "ID") %>%
  select(ID, TVTProcedureStartDate, DCDate, CE_EventOccurred, CE_EventDate, ends_with("._.")) -> result

> result
# A tibble: 10 x 27
   ID    TVTProcedureSta~ DCDate CE_EventOccurred CE_EventDate Annular.Dissect~ Aortic.Dissecti~
   <chr> <chr>            <chr>  <chr>            <list>       <chr>            <chr>           
 1 ST10~ 5/20/2014        5/23/~ Yes              <chr [1]>    0                0               
 2 ST10~ 6/17/2014        6/29/~ Yes              <chr [1]>    0                0               
 3 ST10~ 9/9/2014         9/13/~ Yes              <chr [1]>    0                0               
 4 ST10~ 12/16/2014       12/22~ Yes              <chr [1]>    0                1               
 5 ST10~ 11/6/2015        11/15~ Yes              <chr [3]>    0                0               
 6 ST10~ 9/13/2016        9/22/~ Yes              <chr [3]>    0                0               
 7 ST10~ 12/15/2016       1/1/2~ Yes              <chr [4]>    0                0               
 8 ST10~ 6/30/2017        7/5/2~ Yes              <chr [2]>    0                0               
 9 ST10~ 7/6/2017         7/15/~ Yes              <chr [2]>    0                0               
10 ST10~ 7/18/2017        8/3/2~ Yes              <chr [2]>    0                0               
# ... with 20 more variables: Atrial.Fibrillation..In.Hospital._. <chr>,
1 голос
/ 05 апреля 2019

Может быть, нам нужно 

library(tidyverse)
events %>%
     mutate_at(6:ncol(.), as.character) %>% 
     group_by(ID) %>% 
     mutate_if(is.character, list(~ +(any(str_detect(., "^E"))))) %>% 
     distinct(ID, .keep_all = TRUE)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Нет похожих вопросов

...