求助，数据比对、合并

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

急求大神指点，以下是一个含3列的数据框（取自TCGA临床数据），第1行是列名，想要将这3列数据合并在第4列（新建1列，列名为Outcome），规则如下：1.认为Unknown与Not Available同义，并且级别最低，如果某一行数据在三列中不同，取Unknown或Not Available以外的某列数据放在第4列。2.如果Unknown或Not Available与Complete Remission/Response、Partial Remission/Response、Stable Disease、Progressive Disease等值在某一个格子内同时出现，认为是原始记录错误，忽略Unknown或Not Available。3.如果Complete Remission/Response、Partial Remission/Response、Stable Disease、Progressive Disease这4种结果同时出现，无论是某一列内（记录错误）还是3列间，按照Complete Remission/Response > Partial Remission/Response > Stable Disease > Progressive Disease的优先级保留唯一的值。敬请大神指点，多谢！

follow_ups.follow_up.followup_treatment_success	follow_ups.follow_up.primary_therapy_outcome_success	primary_therapy_outcome_success
Complete Remission/Response	Complete Remission/Response	Complete Remission/Response
Complete Remission/Response;Complete Remission/Response	Complete Remission/Response;Complete Remission/Response	Not Available
		Not Available
Complete Remission/Response;Complete Remission/Response	Complete Remission/Response;Complete Remission/Response	Not Applicable
Progressive Disease	Progressive Disease	Not Available
Complete Remission/Response	Complete Remission/Response	Unknown
Unknown	Unknown	Not Available
Complete Remission/Response	Complete Remission/Response	Complete Remission/Response
		Unknown
Not Available;Complete Remission/Response	Complete Remission/Response;Complete Remission/Response	Not Available
Stable Disease	Stable Disease	Not Available
Not Available	Progressive Disease	Not Available
Complete Remission/Response;Complete Remission/Response	Complete Remission/Response;Complete Remission/Response	Not Available
Complete Remission/Response	Complete Remission/Response	Complete Remission/Response
Not Applicable	Not Available	Not Available
Not Available	Complete Remission/Response	Not Available
Complete Remission/Response	Not Applicable	Not Available
Not Available	Not Available	Not Available
Complete Remission/Response;Complete Remission/Response;Progressive Disease	Complete Remission/Response;Not Available;Complete Remission/Response	Not Available
Progressive Disease	Complete Remission/Response	Complete Remission/Response
Complete Remission/Response	Complete Remission/Response	Complete Remission/Response
Not Available	Progressive Disease	Not Available
		Complete Remission/Response
Complete Remission/Response	Complete Remission/Response	Not Available
Complete Remission/Response;Complete Remission/Response	Complete Remission/Response;Complete Remission/Response	Not Available
Not Available	Not Available	Not Available
Not Available;Unknown	Not Available;Complete Remission/Response	Not Available
Not Available	Not Available	Not Available
Stable Disease	Stable Disease	Stable Disease

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：progressive Applicable Available treatment response 紧急求助！数据比对、合并

我这段程序有点笨，但是可以实现你要的功能。[em07][em07]

1. library(readxl)
   
2. data_web <- read_excel("D:/data_web.xlsx")
   
3. data_web$outcome <- "unknown"
   
4. library(stringr)
   
5. n <- NROW(data_web)
   
6. for (i in 1:n) {
   
7.     if(sum(str_detect(string=data_web[i,],pattern = "Progressive Disease"),na.rm=T)!=0)
   
8.        { data_web$outcome[i] <-"Progressive Disease"}
   
9.       if (sum(str_detect(string=data_web[i,],pattern = "Stable Disease"),na.rm=T)!=0)
   
10.         {  data_web$outcome[i] <-"Stable Disease" }
    
11.       if (sum(str_detect(string=data_web[i,],pattern = "Partial Remission/Response"),na.rm=T)!=0)
    
12.       {  data_web$outcome[i] <- "Partial Remission/Response"}
    
13.       if (sum(str_detect(string=data_web[i,],pattern = "Complete Remission/Response"),na.rm=T)!=0)
    
14.        { data_web$outcome[i] <- "Complete Remission/Response"}
    
15. }

复制代码

caozhaowen 发表于 2020-2-2 01:56
我这段程序有点笨，但是可以实现你要的功能。

多谢朋友指点，我执行您的代码后，最后一列（Outcome列）都是unknown，能否请您再看一下？
另外，我想应该再增加一条规则（高于前面的优先级），如果三列中有两列一致，另一列不一致，认为不一致的可能是记录错误，取两列一致的值（Unknown与Not Available除外），例如：Complete Remission/Response、        Not Applicable、Not Available，取Complete Remission/Response；Partial Remission/Response、Complete Remission/Response、Partial Remission/Response，取Partial Remission/Response
希望您：
1.考虑新增规则和之前规则，重新设计代码。
2.若所有规则可以同时满足，也请单独考虑新增规则，设计代码。（前面的优先级规则很可能引入误差）
3.若不能同时满足优先级规则，请单独考虑新增规则，设计代码。

EveIOU 发表于 2020-2-2 11:58
多谢朋友指点，我执行您的代码后，最后一列（Outcome列）都是unknown，能否请您再看一下？
另外，我想应 ...

怎么会，你仔细看懂代码，然后再执行。

EveIOU 发表于 2020-2-2 11:58
多谢朋友指点，我执行您的代码后，最后一列（Outcome列）都是unknown，能否请您再看一下？
另外，我想应 ...

若要增加规则，可仿此加代码即可。

执行后代结果见截图

caozhaowen 发表于 2020-2-2 12:14
若要增加规则，可仿此加代码即可。

多谢您及时回复！除了前两行以外，剩下的全用您的代码，一点没改，结果见截图。我是Windows系统，请教一下问题出在哪里？另外，之前的优先级规则可能引入人为误差（选择偏倚），我想将优先级规则更改为以下规则：如果三列中有两列一致，另一列不一致，认为不一致的可能是记录错误，取两列一致的值（Unknown与Not Available除外），例如：Complete Remission/Response、Not Applicable、Not Available，取Complete Remission/Response；Partial Remission/Response、Complete Remission/Response、Partial Remission/Response，取Partial Remission/Response
麻烦您：按照新规则再设计代码，再次感谢！

data_web <- dat.Clinic[, 13:15]
View(data_web)
data_web$outcome <- "Unknown"
library(stringr)
n <- NROW(data_web)
for (i in 1:n) {
  if(sum(str_detect(string=data_web[i,],pattern = "Progressive Disease"),na.rm=T)!=0)
  { data_web$outcome <-"Progressive Disease"}
  if (sum(str_detect(string=data_web[i,],pattern = "Stable Disease"),na.rm=T)!=0)
  {  data_web$outcome <-"Stable Disease" }
  if (sum(str_detect(string=data_web[i,],pattern = "Partial Remission/Response"),na.rm=T)!=0)
  {  data_web$outcome <- "Partial Remission/Response"}
  if (sum(str_detect(string=data_web[i,],pattern = "Complete Remission/Response"),na.rm=T)!=0)
  { data_web$outcome <- "Complete Remission/Response"}
}
View(data_web)

我是用你网页上文件粘到excel中然后读入做的。不知你str_detect(string=data_web[20,],pattern = "Progressive Disease")这名代码执行的结果是什么，不妨截图来看一下。把20换成其它数字，，如15，17，19，等，执行一下看又是什么结果。

caozhaowen 发表于 2020-2-2 15:01
我是用你网页上文件粘到excel中然后读入做的。不知你str_detect(string=data_web[20,],pattern = "Progress ...

多谢！数据已传到网盘，链接: https://pan.baidu.com/s/13ljnN0I4oFfpcz0_wDLP_g 提取码: fe2u
请用read.table读取txt文件吧。将13-15这3列数据合并在新建的Outcome列，新规则（改了原来考虑优先级的第3条）如下：
1.认为Unknown与Not Available同义，并且级别最低，如果某一行数据在三列中不同，取Unknown或Not Available以外的某列数据。
2.如果Unknown或Not Available与Complete Remission/Response、Partial Remission/Response、Stable Disease、Progressive Disease等值在某一个格子内同时出现，认为是原始记录错误，忽略Unknown或Not Available。
3.如果三列中有两列一致，另一列不一致，认为不一致的可能是记录错误，取两列一致的值（Unknown与Not Available除外），例如：Complete Remission/Response、Not Applicable、Not Available，取Complete Remission/Response；Partial Remission/Response、Complete Remission/Response、Partial Remission/Response，取Partial Remission/Response。如果三列完全不一样（认为Unknown与Not Available一样），赋值为DEL或系统允许的表示删除的值，例如83行的Complete Remission/Response、 Partial Remission/Response、 Not Available，无法判断前两个值哪一个正确。
4. Outcome列中的结果都用简写吧: Complete Remission/Response简写为CR、Partial Remission/Response简写为PR、Stable Disease简写为SD、Progressive Disease简写为PD。

您所建议的，我执行后结果如图，都是3个FALSE，但相应的行是有相应的pattern的

EveIOU 发表于 2020-2-2 18:04
多谢！数据已传到网盘，链接: https://pan.baidu.com/s/13ljnN0I4oFfpcz0_wDLP_g 提取码: fe2u
请用read ...

我也不知为啥您结是这样。我还是用的一样的代码。

1. library(readxl)
   
2. dat_Clinic_1 <- read_excel("dat.Clinic.1.xlsx")
   
3. data_web <- dat_Clinic_1[,13:15]
   
4. data_web$outcome <- "unknown"
   
5. library(stringr)
   
6. n <- NROW(data_web)
   
7. for (i in 1:n) {
   
8.     if(sum(str_detect(string=data_web[i,],pattern = "Progressive Disease"),na.rm=T)!=0)
   
9.        { data_web$outcome[i] <-"Progressive Disease"}
   
10.       if (sum(str_detect(string=data_web[i,],pattern = "Stable Disease"),na.rm=T)!=0)
    
11.         {  data_web$outcome[i] <-"Stable Disease" }
    
12.       if (sum(str_detect(string=data_web[i,],pattern = "Partial Remission/Response"),na.rm=T)!=0)
    
13.       {  data_web$outcome[i] <- "Partial Remission/Response"}
    
14.       if (sum(str_detect(string=data_web[i,],pattern = "Complete Remission/Response"),na.rm=T)!=0)
    
15.       { data_web$outcome[i] <- "Complete Remission/Response"}
    
16. }     

复制代码