1

Tengo un dataframe de 3085 filas x 130 columnas, las cuales me centro en la primera columna que es el NHC (identificador del paciente) y las columnas D1 D2,D3 hasta la D20.

Como este es un ejemplo pondré tres filas de cuatro columnas

     NHC          D1             D2          D3
      52      J45.909         UY.852      IR.400
     1523     IOP.856         J45.30       IO443
     85       AB.93           AY808        UO.900

Los códigos que hay inscritos en cada columna (D1,D2,D3) indican diferentes afecciones del paciente. Si aparece un carácter en algunas de las columnas D1-D3 que empice por "J45." indica que el paciente es asmático. Me gustaría que se obtiese un output como este:

    NHC      Asmático
     52          1
    1523         1   
     85          0

Para ello he construido el código para seleccionar aquellas NHC que incluyen un código determinado.

   Asthma<-array(0,dim(todo_junto_df)[1])
   for (i in 1:dim(todo_junto_df1)[1]) {
     if(any(which(todo_junto_df[i,]=="J45.901" | todo_junto_df[i,]=="J45.909" |        todo_junto_df[i,]=="J45.20" | todo_junto_df[i,]=="J45.30"| todo_junto_df[i,]=="J45.50"))) {
       Asthma[i]<-1
     }
   }

Sin embargo me gustaría saber si se podría seleccionar sin necesidad de poner todos los números que indican diferentes tipos de asma: J45.30, J45.909. Es decir solo que seleccione aquellas que empiezan por J45. Para ello he usado la función: start_with

   for (i in 1:dim(todo_junto_df1)[1]) {
      if(any(starts_with(todo_junto_df[i,]=="J45"))) {
        Asthma[i]<-1
      }
      }
   Error: `match` must be a character vector of non empty strings.

No se como solucionar este problema.

¿Gracias de antemano

2 respuestas 2

3

En un comentario se aclara que lo buscado era un filtrado, no una selección. En ese caso:

as.numeric(apply(sapply(todo_junto_df, function (x) grepl("^J45", x)), 1, any))                             

Respuesta anterior

No termino de entender la pregunta. Por el resultado que obtengo usando el código del primer bloque interpreto que quieres obtener un vector tan largo como columnas Código_* tienes en el data.frame, con el valor 1 si la columna tiene el patrón J45 y 0 si no lo tiene.

En ese caso

as.numeric(
  sapply(todo_junto_df[-1], 
         function(x) any(grep("^J45", x)))
  )

[1] 1 1 0

Con R base. El sapply() se encarga de pasar un función por cada elemento de una lista (en este caso, cada columna de un data frame) y regresar el output simplificado, en este caso como un vector lógico.

La función que pasa es grep con el patrón regular "^J45" (el ^ es para que busque al principio de una línea).

Si lo encuentra regresará TRUE. Como grep regresa un vector es necesario convertirlo es un valor único. Eso hace any: si en un vector hay al menos un valor TRUE regresa un único valor TRUE.

sapply regresará un vector lógica, con as.numeric se lo convierte en un vector numérico siguiendo la regla TRUE = 1 y FALSE = 0.

Tu segundo bloque de código no funciona porque usas la función starts_with, que funciona solamente para seleccionar columnas por nombre. Selecciona si el nombre comienza con, no mira el "contenido" de la columna.

Se puede hacer algo parecido usando purrr

todo_junto_df %>% 
  map_int(~any(str_detect(.x, "^J45")))

Si lo que te interesa es hacer directamente el subset puedes usar

todo_junto_df %>% select_if(str_detect(., "J45"))
8
  • Muchas gracias por tu respuesta @mpaladino. En primer lugar siento no poder exponer el dataframe entero ya que tiene un tamaño descomonal (3825x130 variables). No obstante he metido la funciones que me sugeriste y no me funciona: Asthma<-array(0,dim(todo_junto_df)[1]) for (i in 1:dim(todo_junto_df1)[1]) { if(any(grep(todo_junto_df[i,]=="J45.",todo_junto_df1[17:36] ))) { Asthma[i]<-1 } } Lo que quiero que seleccione en vez de por J45.XXXX solamente por J45 ya que todas las que me interesan empiezan así Commented el 1 jul. 2021 a las 13:40
  • también he utilizado la función contains y no lo selecciona Commented el 1 jul. 2021 a las 13:43
  • Tanto starts_with como contains "miran" a los nombres de las columnas, no al contenido. Entiendo que el J45 que buscas está en las columnas, no en los nombres. Por eso te sugiero usar grep o str_detect. Quezás valga la pena que revises con cuidado la documentación de ambas funciones, en el código que pones en el 1er comentario grep está mal usada. PD: ¿tiene que ser un array el output?
    – mpaladino
    Commented el 1 jul. 2021 a las 13:46
  • No necesariamente, solo quiero que me devuelva una columna con 1 y 0 para cada identificador (NHC) dependiendo si en las columnas [17:36] es decir Código 1 al 20 tengo alguna coincidencia con J45 Commented el 1 jul. 2021 a las 13:48
  • Entonces as.numeric( sapply(todo_junto_df[17:36], function(x) any(grep("J45", x))) )
    – mpaladino
    Commented el 1 jul. 2021 a las 13:56
1

Otra forma interesante de resolverlo podría ser, generando la matriz de ocurrencias

mat <- as.matrix(todo_junto_df1[,-1])
encontrados <- matrix(grepl("^J45", mat), ncol = ncol(mat))
encontrados

      [,1]  [,2]  [,3]
[1,]  TRUE FALSE FALSE
[2,] FALSE  TRUE FALSE
[3,] FALSE FALSE FALSE

Lo cual te está diciendo exactamente en qué "celda" hemos encontrado el patrón, si luego quisieras seleccionar por fila:

todo_junto_df1[rowSums(encontrados) > 0,]

   NHC Código_1 Código_2 Código_3
1   52  J45.909   UY.852   IR.400
2 1523  IOP.856   J45.30    IO443

También, según tú última edición, puedes generar un nuevo data.frame

data.frame(NHC = todo_junto_df1$NHC, Asmático=as.integer(rowSums(encontrados) > 0))

   NHC Asmático
1   52        1
2 1523        1
3   85        0
3
  • he intentado ejecutar tu script y me devuelve este error: Error in as.vector(x, mode) : cannot coerce type 'closure' to vector of type 'any' Commented el 1 jul. 2021 a las 16:20
  • Fijate que en mi ejemplo el data.frame lo llamé df creo que el tuyo es todo_junto_df1, casi seguro es eso. Commented el 1 jul. 2021 a las 16:48
  • Efectivamente, sin duda alguna el código ha funcionado y de una forma más elegante de la que yo tenía. Muchas gracias Patricio Commented el 1 jul. 2021 a las 16:52

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.