分組和求和數據 R

Question

我正在為我正在努力解決的統計計算 class 開發一個項目。 我有一個數據集，其中包括患者 ID、訪問（每個患者的基線、wk1、wk2）和代表不同葯物的 10 個變量（下面的快照中顯示的 UDS 變量）。 每個“1”代表一個陽性葯物篩選。 我必須清理數據集以僅包含患者 ID 和陽性葯物篩查的數量。 數據集快照。 我必須對每位患者的所有患者就診進行分組，以便所有數據都在一行中，然后我必須對每位患者的每個葯物篩選列的所有值求和，以獲得將作為新列添加的最終值。

我應該提一下，我對 R 比較陌生，所以我正在努力精通這門語言。

我希望這是有道理的，對於任何混淆，我深表歉意。 謝謝你的幫助。 我還附上了干凈數據集應該是什么樣子的快照。 清潔數據。

我努力了：

summary_urine_df <- Clean_urine_df %>%
group_by(PATDEID, VISIT) %>%
summarize(UDS005 = sum(UDS005), UDS006 = sum(UDS006), UDS007 = sum(UDS007), 
            UDS008 = sum(UDS008), UDS009 = sum(UDS009), UDS010 = sum(UDS010),
            UDS011 = sum(UDS011), UDS012 = sum(UDS012), UDS013 = sum(UDS013),
            UDS014 = sum(UDS014))

Cleaner_urine_df <- summary_urine_df %>% mutate(
  nPosScreen = UDS005 + UDS006 + UDS007 + UDS008
  + UDS009 + UDS010 + UDS011 + UDS012 + UDS013 + UDS014) %>%
  mutate(nPosScreens = as.numeric(nPosScreen)) %>%
  select(PATDEID, nPosScreens)

Answer 1

如果沒有可重復的數據，您似乎想使用pivot_longer()堆疊單個葯物篩選。 然后group_by()患者 id 並summarise以生成患者內的總和。

library(tidyverse)

df %>%
  pivot_longer(
    cols = starts_with('UDS'),
    names_to = 'drug',
    values_to = 'positive'
  ) %>%
  group_by(PATDEID) %>%
  summarise(
    nPosScreen = sum(positive, na.rm = T)
  ) %>%
  select(PATDEID, nPosScreen)

Answer 2

如果我讓你正確，你只需要總結每個病人，所有非零條目。 所以這是一個拆分數據框（沒有 ID 和周列）並進行總和的問題。

首先我模擬一些看起來像你的數據：

#simulate data
set.seed(100)
PATIENTS = paste("ID",1:10,sep="")
VISITS = paste("wk",1:12,sep="")
COLS = paste("UDS",sprintf("%03d",5:14),sep="")
N=length(PATIENTS)*length(VISITS)*length(COLS)
Clean_urine_df = data.frame(
ID = rep(PATIENTS,each=length(VISITS)),
matrix(as.numeric(runif(N)>0.5),ncol=length(COLS)),
VISITS = rep(VISITS,each=length(PATIENTS))
)

colnames(Clean_urine_df)[2:11] = COLS
head(Clean_urine_df)

> head(Clean_urine_df)
   ID UDS005 UDS006 UDS007 UDS008 UDS009 UDS010 UDS011 UDS012 UDS013 UDS014
1 ID1      0      0      0      0      0      0      0      1      1      1
2 ID1      0      0      1      0      0      1      0      1      0      1
3 ID1      1      0      1      1      1      0      1      1      1      0
4 ID1      0      1      1      0      0      0      0      0      1      0
5 ID1      0      0      0      1      0      0      1      0      1      1
6 ID1      0      0      1      1      0      1      0      1      1      0
  VISITS
1    wk1
2    wk1
3    wk1
4    wk1
5    wk1
6    wk1

雖然我已經定義了我想總結的列，但想象一下在你的場景中，你可以再次定義它：

COLS <- c("UDS005","UDS006","UDS007","UDS008","UDS009","UDS010","UDS011","UDS012","UDS013", "UDS014")

現在如前所述，您可以使用基礎 R function 進行總結：

counts = by(Clean_urine_df[,COLS],Clean_urine_df$ID,sum,simplify=TRUE)
data.frame(id=levels(Clean_urine_df$ID),nPosScreens=as.numeric(counts))
     id nPosScreens
1   ID1          61
2  ID10          57
3   ID2          56
4   ID3          65
5   ID4          60
6   ID5          61
7   ID6          61
8   ID7          64
9   ID8          67
10  ID9          65

“by” function 采用矩陣或 data.frame，根據 Clean_urine_df$ID 將其分割並總結所有內容。

同樣你可以在 dplyr 中做一些事情，但是你需要 purrr：

library(dplyr)
library(purrr)

t(map_df(split(Clean_urine_df[,COLS],Clean_urine_df$ID),sum))