根据向量指定的变量“开头为”字符串过滤行

我正在尝试根据特定的 ICD9（诊断）代码过滤患者数据库。我想使用一个向量来指示 ICD9 代码的前 3 个字符串。

示例数据库包含每次患者就诊的 IC9 代码的 3 个字符变量（var1 到 var3）。

下面是数据示例

patient<-c("a","b","c")
var1<-c("8661", "865","8651")
var2<-c("8651","8674","2866")
var3<-c("2430","3456","9089")

observations<-data_frame(patient,var1,var2,var3)

   patient  var1  var2  var3
1       a  8661  8651  2430
2       b  865   8674  3456
3       c  8651  2866  9089

#diagnosis of interest: all beginning with "866" and "867"
dx<-c("866","867")

filtered_data<- filter(observations, var1 %like% dx | var2 %like% dx | var3 %like% dx)  

我尝试了多种方法，包括 grep 和 %like% 函数，如您在上面看到的，但我无法让它适用于我的情况。如果您能提供任何帮助，我将不胜感激。

感恩节快乐

Albit

您可以从兴趣向量创建一个正则表达式模式，并将其应用到数据框的每一列，除了patient身份、使用rowSums检查行中是否有任何 var 与模式匹配：

library(dplyr)
pattern = paste("^(", paste0(dx, collapse = "|"), ")", sep = "")

pattern
# [1] "^(866|867)"

filter(observations, rowSums(sapply(observations[-1], grepl, pattern = pattern)) != 0)

# A tibble: 2 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456

另一种选择是使用Reduce with lapply:

filter(observations, Reduce("|", lapply(observations[-1], grepl, pattern = pattern)))

# A tibble: 2 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456

当您有两个以上的模式并且不同的模式具有不同的字符长度时，例如，如果您有dx as dx<-c("866","867", "9089"):

dx<-c("866","867", "9089")
pattern = paste("^(", paste0(dx, collapse = "|"), ")", sep = "")

pattern
# [1] "^(866|867|9089)"

filter(observations, Reduce("|", lapply(observations[-1], grepl, pattern = pattern)))

# A tibble: 3 × 4
#  patient  var1  var2  var3
#    <chr> <chr> <chr> <chr>
#1       a  8661  8651  2430
#2       b   865  8674  3456
#3       c  8651  2866  9089

Check this and this有关多个的更多信息，请堆栈答案or正则表达式中的条件。