通过匹配相似的行来解构 R 中的列？

Posted 2023-04-18

【中文标题】通过匹配相似的行来解构 R 中的列？

【英文标题】：Deconstructing a column in R by matching similar rows?

【发布时间】：2017-06-29 18:55:56

【问题描述】：

我目前正在做一个项目，我有一个巨大的数据框，16196 个 obs 的 25 个变量。目标是消除每个特定处理的数据框中可能存在的任何异常值。问题在于带有治疗的列中包含每种治疗，并且每种治疗具有不同的长度，它们持续。让我给你举个例子。

val_lvl2: chr "Cervical Fusion (Spinal Fusion)" "Non-Surgical Treatment" "Non-Surgical Treatment" "Non-Surgical Treatment" ...

prd_num_of_days_num: num 167 46 46 46 167 46 46 46 167 46 ...

输出来自 str(z_combined_cost_dtrmnt)

我们可以看到 val_lvl2 有所有的处理（100+ 未显示）。并且 prd_num_of_days_num 具有特定治疗的长度。现在我想做的是将所有（那里有更多）“宫颈融合”数据和“非手术治疗”数据合并到自己的小数据框中。之后，我想对治疗的长度建立 95% 的置信度，然后删除任何不属于该 CI 的数据行。然后带回数据框，以便我们再次拥有 1 个大数据框，但每次处理中的异常值都消失了。

我将不胜感激，因为我真的不知道从哪里开始，因为似乎没有简单的方法可以按照我想要的方式分解数据框。

目前正在考虑使用聚合函数。

agg

但是，这会导致此错误：aggregate.data.frame(as.data.frame(x), ...) 中的错误：由多个实际参数匹配的形式参数“by”

TL/DR

大数据框 -->

基于 val_lvl2 中唯一值的较小数据框，请记住存在相似的唯一值，即“宫颈融合”的多个实例应该在同一个小数据框中 -->

根据prd_num_of_days_num（治疗长度）为每个小数据框创建一个95% CI -->

如果 prd_num_of_days_num 在 CI 之外，则删除每个唯一值的整行 -->

将没有异常值的小数据框再次合并为一个大数据框。

【问题讨论】：

欢迎来到 ***。请提供minimal reproducible example

嘿@StevenBeaupré！我目前的想法是可能尝试聚合。这是我到目前为止所拥有的。 agg

【参考方案1】：

所以你有一个数据框 (df)，有 25 个变量，你想把它分解成 X 个更小的数据框，x 是唯一处理的数量，每个都包含剩余的 24 个变量，但只包含一种类型的治疗。对吗？

treatment1 <- df[df$val_lvl2 == "Cervical Fusion (Spinal Fusion)"]
treatment2 <- df[ds$val_lvl2 =="Non-Surgical Treatment"]
# etc...

有更简洁、“更好”的方法，但我认为这是您应该开始掌握如何在 R 中组织数据的地方。

【讨论】：

没错！我其实想过做你刚才在上面做的事。但由于 val_lvl2 中有大约 150 种治疗方法，我希望能找到更有效和更通用的方法。一些会遵循这条道路的东西。大数据框 --> 基于唯一 val_lvl2 的较小数据框 --> 根据 prd_num_of_days_num 为每个小数据框创建 95 CI --> 如果 prd_num_of_days_num 在 CI 之外，则删除整行 --> 将没有异常值的小数据框合并为一个又是大数据框。不知道为什么文本没有按我想要的方式隔开......

对不起，但我有点难以理解您到底想要完成什么。我建议您删除此帖子，并使用易于复制的小规模示例代码创建一个新帖子。要为您的所有案例快速执行我上面所做的操作，请尝试以下操作：treatments <- unique(df$val_lvl2) for (i in c(1:length(treatments))) assign(paste("df_", treatments[[i]], sep=''), df[df == treatments[[i]])

谢谢！如果我不能从发布的内容中挤出解决方案，我会看看那个小 sn-p 把我带到哪里，然后回到这个董事会。这有点复杂，所以我很感激你的努力！