使用压缩列从长到宽重塑数据帧

Question

假设我的访问中有（假的）患者数据：

## Create a fake dataframe  
foo <- data.frame(PatientNumber=c(11,11,11,22,22,33,33,33,44,55,55), 
      VisitDate=c("11/03/07","11/03/07","11/20/07","12/20/08", 
      "12/30/09","09/20/12","09/20/12","10/25/07","05/09/08","06/09/13","06/09/13"), 
       ICD9=c(10,15,10,30,30,25,60,25,14,40,13))

这使：

   PatientNumber VisitDate ICD9
1             11  11/03/07   10
2             11  11/03/07   15
3             11  11/20/07   10
4             22  12/20/08   30
5             22  12/30/09   30
6             33  09/20/12   25
7             33  09/20/12   60
8             33  10/25/07   25
9             44  05/09/08   14
10            55  06/09/13   40
11            55  06/09/13   13

我希望在给定的访问日期为每位患者设置一个独特的行。 如果患者有多个日期代码，我希望在该访问时给出所有ICD代码的新列。 这就是它的样子：

WhatIWant <- data.frame(PatientNumber=c(11,11,22,22,33,33,44,55), 
                    VisitDate=c("11/03/07", "11/20/07", "12/20/08", "12/30/09", "09/20/12","10/25/07","05/09/08","06/09/13"), 
                    ICD9_1=c(10,10,30,30,25,25,14,40), 
                    ICD9_2= c(15,NA,NA,NA,60,NA,NA,13))




> WhatIWant
  PatientNumber VisitDate ICD9_1 ICD9_2
1            11  11/03/07     10     15
2            11  11/20/07     10     NA
3            22  12/20/08     30     NA
4            22  12/30/09     30     NA
5            33  09/20/12     25     60
6            33  10/25/07     25     NA
7            44  05/09/08     14     NA
8            55  06/09/13     40     13

我尝试过重塑，但它似乎在列中添加了所有ICD9代码并在列中添加了值，如果它们有值或不符合（如下所示）。我最终会得到类似200列的内容，我会仅次于3（我拥有的数据集中每位患者的最大代码数，即ICD9_1，ICD9_2，ICD9_3）。

test <- reshape(foo, idvar = c("VisitDate"), timevar = c("PatientNumber"), direction = "wide")

> test
    VisitDate ICD9.11 ICD9.22 ICD9.33 ICD9.44 ICD9.55
1  0007-11-03      10      NA      NA      NA      NA
3  0007-11-20      10      NA      NA      NA      NA
4  0008-12-20      NA      30      NA      NA      NA
5  0009-12-30      NA      30      NA      NA      NA
6  0012-09-20      NA      NA      25      NA      NA
8  0007-10-25      NA      NA      25      NA      NA
9  0008-05-09      NA      NA      NA      14      NA
10 0013-06-09      NA      NA      NA      NA      40

对不起，如果标题没有尽可能具体，我真的不确定如何准确标题我想要的。

在此先感谢您的帮助！

Answer 1

也，

library(dplyr)
library(tidyr) # See below on how to get tidyr

foo %>% 
  group_by(PatientNumber, VisitDate) %>%
  mutate(n=paste("ICD9",row_number(), sep="_")) %>%
  spread(n, ICD9)

 #Source: local data frame [8 x 4]

#  PatientNumber VisitDate ICD9_1 ICD9_2
#1            11  11/03/07     10     15
#2            11  11/20/07     10     NA
#3            22  12/20/08     30     NA
#4            22  12/30/09     30     NA
#5            33  09/20/12     25     60
#6            33  10/25/07     25     NA
#7            44  05/09/08     14     NA
#8            55  06/09/13     40     13

CRAN尚未提供包tidyr 。 像这样安装（参见tidyr git ）：

# install.packages("devtools")
devtools::install_github("hadley/tidyr")

Answer 2

在这种情况下reshape的基本问题是它没有真正的“时间”变量。 使用ave很容易创建：

foo$time <- with(foo, ave(rep(1, nrow(foo)), 
                          PatientNumber, VisitDate, 
                          FUN = seq_along))

然后，您可以使用reshape如下：

reshape(foo, direction = "wide", 
        idvar=c("PatientNumber", "VisitDate"), 
        timevar="time")
#    PatientNumber VisitDate ICD9.1 ICD9.2
# 1             11  11/03/07     10     15
# 3             11  11/20/07     10     NA
# 4             22  12/20/08     30     NA
# 5             22  12/30/09     30     NA
# 6             33  09/20/12     25     60
# 8             33  10/25/07     25     NA
# 9             44  05/09/08     14     NA
# 10            55  06/09/13     40     13

---

当然，一旦你有“时间”变量，你也可以使用dcast从“reshape2”。

library(reshape2)
dcast(foo, PatientNumber + VisitDate ~ time, value.var="ICD9")

Answer 3

你可以使用aggregate ：

max_visits = 2
aggregate(ICD9 ~ PatientNumber + VisitDate, foo, 
          function(x) x[seq_len(max_visits)])  #note that output is 3 columns
#  PatientNumber VisitDate ICD9.1 ICD9.2
#1            44  05/09/08     14     NA
#2            55  06/09/13     40     13
#3            33  09/20/12     25     60
#4            33  10/25/07     25     NA
#5            11  11/03/07     10     15
#6            11  11/20/07     10     NA
#7            22  12/20/08     30     NA
#8            22  12/30/09     30     NA

如果您不知道可能的最大访问次数（“max_visits”），您可以：

max_visits = max(ave(foo[["ICD9"]], 
                     foo[["PatientNumber"]], foo[["VisitDate"]],
                     FUN = length))
max_visits
#[1] 2

编辑 ：

正如@AnandaMahto在评论中所指出的那样，你可以将你的3列aggregate d“foo”（比如“aggfoo”）改为4列，例如：

dim(aggfoo)
#[1] 8 3
dim(do.call(data.frame, aggfoo))
#[1] 8 4
dim(data.frame(unclass(aggfoo)))
#[1] 8 4

但这并不是必需的，因为即使有3列，调用每个“ICD9”列仍然很方便： aggfoo$ICD9[, 1]和aggfoo$ICD9[, 2]而不是aggfoo$ICD9.1和aggfoo$ICD9.2 。