从向量子集整理数据

Question

我正在使用R分析许多医院的抗生素使用数据。

根据整洁的数据原则，我已将此数据导入到框架中。

>head(data)
        date   antibiotic  usage  hospital
1 2006-01-01   amikacin 0.000000 hospital1
2 2006-02-01   amikacin 0.000000 hospital1
3 2006-03-01   amikacin 0.000000 hospital1
4 2006-04-01   amikacin 0.000000 hospital1
5 2006-05-01   amikacin 0.937119 hospital1
6 2006-06-01   amikacin 1.002961 hospital1

（数据集是每月数据x 5医院x 40种抗生素）

我想做的第一件事是将抗生素归类。

> head(distinct(select(data, antibiotic)))
                antibiotic
1                 amikacin
2  amoxicillin-clavulanate
3              amoxycillin
4               ampicillin
5             azithromycin
6         benzylpenicillin
7                cefalotin
8                cefazolin

> penicillins <- c("amoxicillin-clavulanate", "amoxycillin", "ampicillin", "benzylpenicillin")
> ceph1 <- c("cefalotin", "cefazolin")

然后，我想基于这些抗生素类载体对数据进行子集化：

filter(data, antibiotic =(any one of the values in the vector "penicillins")

感谢thelatemail指出执行此操作的方法是：

d <- filter(data, antibiotic %in% penicillins)

我希望数据能够以多种方式进行分析：

关键分析（以及ggplot输出）为：

x =日期

y =按药物分类的抗生素使用情况，按医院过滤

我现在还不清楚的是如何为这种事情汇总数据。

例：
我想分析该地区所有医院中“ ceph1”类的使用情况，导致（抱歉，我知道这是不正确的代码）

   x         y
Jan-2006   for all in hospitals(usage of cephazolin + usage of cephalotin)
Feb-2006   for all in hospitals(usage of cephazolin + usage of cephalotin)
etc

而且，从长远来看，为了能够将参数传递给一个函数，该函数将让我选择哪些医院，哪种抗生素或哪种抗生素。

再次感谢-我知道这比原始问题要复杂一个数量级！

Answer 1

因此，经过大量的试验和错误以及大量的阅读后，我设法进行了整理。

>str(data)
'data.frame':   23360 obs. of  4 variables:
 $ date      : Date, format: "2007-09-01" "2012-06-01" ...
 $ antibiotic: Factor w/ 41 levels "amikacin","amoxicillin-clavulanate",..: 17 3 19 30 38 20 20 20 7 25 ...
 $ usage     : num  21.368 36.458 7.226 3.671 0.917 ...
 $ hospital  : Factor w/ 5 levels "hospital1","hospital2",..: 1 3 2 1 4 1 4 3 5 1 ...

所以我可以先将数据子集化：

>library(dplyr)
>penicillins <- c("amoxicillin-clavulanate", "amoxycillin", "ampicillin", "benzylpenicillin")
>d <- filter(data, antibiotic %in% penicillins) 

然后使用更多的dplyr进行总结（感谢Hadley！）

>d1 <- summarise(group_by(d, date), total = sum(usage))
>d1    
Source: local data frame [122 x 2]

         date    total
       (date)    (dbl)
1  2006-01-01 1669.177
2  2006-02-01 1901.749
3  2006-03-01 2311.008
4  2006-04-01 1921.436
5  2006-05-01 1594.781
6  2006-06-01 2150.997
7  2006-07-01 2052.517
8  2006-08-01 2132.501
9  2006-09-01 1959.916
10 2006-10-01 1751.667
..        ...      ...
>
> qplot(date, total, data = d1) + geom_smooth()
> [scatterplot as desired!]

下一步将尝试将其全部构建到一个函数中，并且/或者尝试以我在此所做的工作为基础进行内联的子集。