Dispongo de un dataframe con datos de pacientes, y tengo interés en las columnas de fechas de varias pruebas que se les han hecho, así como columnas que indican en qué centro se las han hecho. La mayoría de fechas para un mismo paciente coinciden, pero quiero eliminar las repetidas y conservar las fechas que son distintas por cada paciente. Quiero hacer lo mismo, para las columnas que indican en qué centro se han hecho dichas pruebas (casi siempre se repiten, pero a veces son distintos). Cada paciente se puede haber hecho hasta 8 pruebas distintas, y por tanto en hasta 8 centros, iguales o no entre ellos.
Por tanto, mi idea era evaluarlo de fila en fila, y ver si los valores que hay en varias columnas (evaluarlas por tanto juntas, las que son de fechas -hasta 8 posibles por paciente-, y por otro lado de forma conjunta las que indican el centro -hasta 8 por paciente-). Quiero ver si son iguales y, en caso de serlo, eliminar los repetidos. Si no son iguales, mi idea era guardar los distintos valores en otra columna de resultados ('dates_evaluation' en este caso, o bien en otra matriz, donde se guarden las columnas de origen que tienen esos valores distintos, y ver qué valores son.
Ejemplo del dataframe:
ID paciente | Fecha prueba 1 | Centro prueba 1 | Fecha prueba 2 | Centro prueba 2 |
---|---|---|---|---|
I-6245-5539 | 29/06/2021 | ICO | 29/06/2021 | ICO |
I-4455-3679 | 21/01/2018 | VH | 29/06/2021 | ICO |
I-3364-4682 | 14/01/2020 | Other |
No todos los pacientes se han hecho el mismo número de pruebas, por tanto hay bastantes blancos en los datos.
He intentado hacerlo con loops de for + if pero no consigo que funcionen. Mi idea era guardar un vector o matriz con valores lógicos de TRUE/FALSE, para posteriormente filtrar el dataframe y dejar solo las columnas de fechas únicas y centros únicos.
He probado con:
dates_evaluation <- c()
x <- initial_df$ID_paciente
for (i in 1:nrow(x)) {
if (initial_df$date1[i] == initial_df$date2[i]) {
dates_evaluation <- rbind(dates_evaluation, initial_df$dates_evaluation)
}
}
NOTA: No he conseguido encontrar los fallos, quizás están en la forma de indexar el dataframe, o la forma en la que planteo el loop for, o el if, y seguramente se pueda hacer de una forma más sencilla (incluso con dplyr).
Disculpad si no me explico de forma muy clara, soy principiante y me parece bastante complejo explicar lo que quiero hacer sin saber bien bien cómo hacerlo.
GRACIAS!!