r 累积和函数,条件

Posted

技术标签:

【中文标题】r 累积和函数,条件【英文标题】:r cumulative sum function, conditions 【发布时间】:2015-04-22 11:46:01 【问题描述】:

我在 R 中有一个数据框,相当大的 600 行/观察

一列是patientId 不是数字形式,例如ju89、ju87,所以它是一个因子列

一列是remission 1/0,其中 1 表示缓解 0 表示不缓解

一栏是timefromdiagnosis

现在,从诊断开始,患者从 1 到 0、0 到 0、0 到 1 或 1 到 1

我想在它所在的数据框中添加一列

1 患者缓解时为 0 2 当患者正好有 1 次缓解且他最后一次有 0 或有 1 次缓解和他最后一次有 1 缓解或有 1 缓解时,这是他的第一次观察 3 当患者有 1 次缓解且最近 2 次或更多次有 1 次缓解时

我曾考虑在plyr 中使用 cum sum 进行此操作,但它不适合我想做的事情,或者不太清楚如何适应

数据框已经排序,因此患者 ID 彼此相邻,并且随着您阅读数据框,每个患者的诊断时间都会增加

由于机密性,我无法提供数据框,但在这里它看起来像是为了澄清事情

remission timefromdiag patientid ...(other variables)

这是我开始使用的数据:

patientId  timefromdiagnosis  remission
ju67       1.2                1
ju67       1.6                0
ju67       3                  0
ju88       1.5                1
ju88       2                  1
ju23       1.9                1
ju23       5                  0

这是我想要得到的,疾病阶段是我想要的列:

patientId  timefromdiagnosis  remission  disease stage
ju67       1.2                1          2
ju67       1.6                0          1
ju67       3                  0          1
ju88       1.5                1          2
ju88       2                  1          2
ju23       1.9                1          2
ju23       5                  0          1
ju38       1.7                1          2
ju38       1.9                1          2 
ju38       3                  1          3
ju38       4                  1          3
ju38       5                  0          1

注意患者ju38 是如何达到 3 的,因为他已经连续 3 次缓解,包括现在的时间(最近两次缓解和现在),然后他停留在 3,因为他只是有另一个缓解,然后他进入疾病阶段 1因为他的缓解率为0。

患者ju88 在 t=2 时已缓解,在最后一次 t=1.5 时已缓解,但这只是包括 t=2 在内的两次连续缓解,因此他处于疾病 2 期

患者ju23 在 t=1.9,缓解期为 1,这是对他的第一次观察,因此他满足疾病第 2 期的标准,如果他的缓解期为 0,他将处于疾病期 1

p>

【问题讨论】:

【参考方案1】:

您使用的是患者处于缓解期的连续周期数,每当患者缓解期时重置该计数器。我认为缓解变量的行程编码因此很有趣。您可以使用rle 函数计算它:

dat$diseaseStage <- ave(dat$remission, dat$patientId, FUN=function(x) 
  ret <- unlist(lapply(rle(x)$length, function(y) c(rep(2, min(2, y)), rep(3, max(0, y-2)))))
  ret[x == 0] <- 1
  ret
)
dat
#    patientId timefromdiagnosis remission diseaseStage
# 1       ju67               1.2         1            2
# 2       ju67               1.6         0            1
# 3       ju67               3.0         0            1
# 4       ju88               1.5         1            2
# 5       ju88               2.0         1            2
# 6       ju23               1.9         1            2
# 7       ju23               5.0         0            1
# 8       ju38               1.7         1            2
# 9       ju38               1.9         1            2
# 10      ju38               3.0         1            3
# 11      ju38               4.0         1            3
# 12      ju38               5.0         0            1

请注意,这适用于患者多次进入和退出缓解的更复杂的情况:

dat2 <- data.frame(patientId=rep("x", 12), remission=rep(c(1, 0, 1, 0), each=3))

使用相同的函数,我们得到:

#    patientId remission diseaseStage
# 1          x         1            2
# 2          x         1            2
# 3          x         1            3
# 4          x         0            1
# 5          x         0            1
# 6          x         0            1
# 7          x         1            2
# 8          x         1            2
# 9          x         1            3
# 10         x         0            1
# 11         x         0            1
# 12         x         0            1

请注意,在这种情况下使用 cumsum 是不够的,因为它不会反映我们在第 4-6 行中摆脱缓解的事实。

【讨论】:

非常感谢您的回复,您是如何这么快找到解决方案的?您能否更详细地解释第二行和更多行,只是出于兴趣:),y是什么? x是什么?为什么我们要“重复”,我觉得最小最大值是有道理的,但不太明白 @RampageKyd R 是一种函数式编程语言,因此我定义了对数据片段进行操作的函数。外部函数获取缓解变量的片段,调用它们x,然后对它们进行操作。内部函数获取rle(x)$length 的各个元素,调用它们y,并对它们进行操作。

以上是关于r 累积和函数,条件的主要内容,如果未能解决你的问题,请参考以下文章

简化 Normals 累积函数的划分

pyspark中基于条件对多列进行分组的累积和函数

R具有条件和重置的累积和

R语言ggplot2可视化使用stat_ecdf函数可视化一个分布的ECDF经验累积概率分布函数图(Simple ECDF Plot with ggplot2)

R语言使用survminer包的ggcompetingrisks函数可视化竞争风险的累积事件曲线使用可视化对象的mapping属性自定义修改配置颜色分组及线条类型

R语言进行主成分分析(PCA):使用prcomp函数来做主成分分析使用summary函数查看主成分分析的结果计算每个主成分解释方差的每个主成分解释的方差的比例以及多个主成分累积解释的方差比例