Início / coding / Perguntas / 79075775
Accepted
Andrea
Asked: 2024-10-11 02:52:39 +0800 CST

usando um dataframe de "pesquisa" para mapear pares de valores em R

  • 772

Tenho um dataframe df de visitas de pacientes estruturado no seguinte formato:

EU IA número_de_visita variável valor
34 1 altura curto
34 1 peso sobre
34 1 cor dos olhos marrom
34 1 cor_de_cabelo marrom
89 1 peso normal
89 1 altura curto
89 2 altura curto
89 2 peso sobre 
df <- data.frame(ID = c(34, 34, 34, 34, 89, 89, 89, 89), visit_number = c(1, 1, 1, 1, 1, 1, 2, 2), variable = c("height", "weight", "eye_color", "hair_color", "weight", "height", "height", "weight"), value = c("short", "over", "brown", "brown", "normal", "short", "short", "over"))

Então, para a visita nº 1, o paciente 34 teve sua altura, peso, cor dos olhos e cabelo anotados. O paciente 89 teve duas visitas registrando sua altura e peso.

Tenho um arquivo de mapeamento que mostra um par de variáveis ​​e valores que resulta em um novo valor que eu gostaria de extrair para cada par relevante:

var_1 val_1 var_2 val_2 novo_nome_var novo_val
altura curto peso normal saúde média
altura curto peso sobre saúde avisar
cor dos olhos marrom cor_de_cabelo marrom tez monocromático
cor dos olhos azul cor_de_cabelo loiro tez contraste 
mapping <- data.frame( var_1= c("height", "height", "eye_color", "eye_color"), val_1 = c("short", "short", "brown", "blue"), var_2 = c("weight", "weight", "hair_color", "hair_color"), val_2 = c("normal", "over", "brown", "blonde"), new_var_name = c("health", "health", "complexion", "complexion"), new_val = c("average", "warn", "monochrome", "contrast"))

Então, esse arquivo de mapeamento mostra que se a altura de um paciente for baixa e seu peso for normal, eu gostaria de criar uma variável de saúde definida como "média". Se a altura dele for baixa e seu peso for acima do normal, eu gostaria que esse indicador de saúde fosse "aviso", e assim por diante, como os outros pares nas linhas subsequentes mostram.

Qual seria a melhor maneira de fazer isso? Podemos assumir que todos os pares serão cobertos no dataframe de mapeamento e também podemos assumir que não haverá pares incompletos nos dados.

1 respostas

  1. Best Answer

    Esse é um tipo de método de força bruta que pode causar problemas se você tiver mais de dezenas de variáveis, mas espero que funcione bem em muitas situações.

    Primeiro, eu expando os dados para que cada linha seja correspondida com todas as outras linhas na visita do mesmo paciente. Isso pode ficar grande se houver muitas variáveis. Então esses pares são correspondidos com a tabela de mapeamento, onde apenas os pares rotulados são gerados.

    Isso poderia ser feito duas vezes mais eficiente em termos de memória se pudéssemos garantir que as variáveis ​​de mapeamento fossem sempre classificadas alfabeticamente, com var_1 < var_2. Então poderíamos limitar a primeira junção aos pares onde variável.x < variável.y, resultando em metade das combinações para procurar na segunda junção.

    library(dplyr)
df |>
  inner_join(df, join_by(ID, visit_number), relationship = "many-to-many") |>
  inner_join(mapping, join_by(variable.x == `var_1`, value.x == `val_1`,
                             variable.y == `var_2`, value.y == `val_2`))

    Resultado

      ID visit_number variable.x value.x variable.y value.y new_var_name    new_val
1 34            1     height   short     weight    over       health       warn
2 34            1  eye_color   brown hair_color   brown   complexion monochrome
3 89            1     height   short     weight  normal       health    average
4 89            2     height   short     weight    over       health       warn
    • 1

relate perguntas