从 R 数据框中的多列创建新变量的有效方法

Question

我正在尝试根据某些条件从一组 480 个变量中创建一个名为 DRG 的新变量，如果条件为真，则新变量是一个二进制变量。 如果数据框中的任何列的值为 060 或 191，则 DRG =1 否则 DRG =0；

 for (i in 1:nrow(DATA_opioid)){

   for (j in 42:480)

     { if (!is.na(DATA_opioid[i,j])  {

     if ( (DATA_opioid[i,j]) == '060' | (DATA_opioid[i,j]) == '191'| (DATA_opioid[i,j+1]))==           
    '060' |(!is.na(DATA_opioid[i,j+1]))=='191')

        { 
          DATA_opioid$DRG =1
        }
      else DATA_opioid$DRG =0

       }
   }

我一直无法得到一个工作代码，尽管当我为其中一列尝试它时我确实成功了。 但是有 480 个变量都以前缀“RX”开头。 任何解决此问题的有用建议都非常受欢迎。

for (i in 1:nrow(DATA_opioid)){
    if (DATA_opioid$RX1CAT1[i]  == "060" | DATA_opioid$RX1CAT1[i] == "191"){

    DATA_opioid$DRG[i] =1 

}
else DATA_opioid$DRG[i] =0
}

Answer 1

您不需要为此类操作使用循环。 有很多方法可以做到这一点。 这里有几个。

使用rowSums

df$DRG <- +(rowSums(df == '191' | df == '060') > 0)

#    a   b DRG
#1   1   2   0
#2   2   3   0
#3   3   4   0
#4   4 060   1
#5   5   3   0
#6 191   4   1

使用apply

df$DRG <- +(apply(df == '191' | df == '060', 1, any))

我们也可以在dplyr链中使用rowSums

library(dplyr)
df %>% mutate(DRG = +(rowSums(. == '191' | . == '060') > 0))

---

如果您只想在某些列上进行测试，则对上述解决方案中的这些列的数据框进行子集化。 例如要测试第 3 到 5 列，您可以执行

df$DRG <- +(apply(df[3:5] == '191' | df == '060', 1, any))

数据

对此数据进行了测试：

df <- data.frame(a = c(1:5, 191), b = c(2:4, '060', 3:4))

Answer 2

假设您的数据框称为 df：

DRG<-apply(df,1,function(x){
  max(x == "060" | x == 191)
})