Fatal编程技术网
  • r/
  • 在R中使用ifelse和grepl进行变异，并使用匹配的字符串创建新列

在R中使用ifelse和grepl进行变异，并使用匹配的字符串创建新列

r regex if-statement

在R中使用ifelse和grepl进行变异，并使用匹配的字符串创建新列,r,regex,if-statement,mutate,grepl,R,Regex,If Statement,Mutate,Grepl,我正在尝试使用greplpartial match和ifelse使用mutate创建新列。 我有药物名称和单位的列表，我想用这些单位创建一个新的列。 这是我的药名样本 Description ZOLEDRONIC ACID INF 4MG/5ML (5ML) CALCICHEW D3 FORTE CHEWABLE TABS DAYCASE DRUGS AKYNZEO (NETUPITANT/PALONOSETRON) HARD CAPS 300MG/0.5MG

我正在尝试使用greplpartial match和ifelse使用mutate创建新列。 我有药物名称和单位的列表，我想用这些单位创建一个新的列。 这是我的药名样本

 Description
    ZOLEDRONIC ACID INF 4MG/5ML (5ML)
    CALCICHEW D3 FORTE CHEWABLE TABS
    DAYCASE DRUGS
    AKYNZEO (NETUPITANT/PALONOSETRON) HARD CAPS 300MG/0.5MG
    CYCLOPHOSPHAMIDE INF 1MG/ML
    EPIRUBICIN INJ 1MG/ML
    DAYCASE DRUGS
    DAYCASE DRUGS
    ALOXI (PALONOSETRON) INJ 250MCG
    PACLITAXEL INF 1MG/ML
    DEXAMETHASONE VIAL 6.6MG/2ML - USE PSD742
    PACLITAXEL INF 1MG/ML
    RAMUCIRUMAB INF 0.1MG - 100MG
这是我的密码

units <- c("TABS","INF","SYR","CAPS","INJ","VIAL","SOL","POWDER","GEL","CREAM","LOTION","AMP"," SINGLEJECT","PFS")

drug_name <- drug_name %>% mutate(unit =  grepl(paste(units,collapse = "|"),Description))
我不希望单位为真/假，而是应该指定确切的单位，如下图所示

        ZOLEDRONIC ACID INF 4MG/5ML (5ML)       INF
        CALCICHEW D3 FORTE CHEWABLE TABS        TABS
我试图重新编码这一个，但不知道如何做到这一点。 此外，我还需要将药物名称为4MG/5ML的指标提取到一个单独的列中。我可以在另一个查询中执行此操作，但需要使用unit执行单个查询。并不是所有的药物都有这种形式，有些是->01.MG-100MG，250mg

            ZOLEDRONIC ACID INF 4MG/5ML (5ML)       INF    4MG/5ML
            CALCICHEW D3 FORTE CHEWABLE TABS        TABS   NA
            CYCLOPHOSPHAMIDE INF 1MG/ML             INF    1MG/ML
            ALOXI (PALONOSETRON) INJ 250MCG         INF    250MCG
有人能帮我解决这个问题吗？

tidyverse解决方案 这里有一个使用dplyr和purrr的方法

尽管您可能更喜欢使用空字符串而不是NA_字符

要进行筛选，这里有一个快速函数，用于查找以下每个单词中的任意数字。它还允许单独的-，但如果是最后一个匹配，则会将其删除

extractAmounts <- function(s, default=NA_character_) {
  vec <- strsplit(s, "\\s+")[[1]][-1]
  vec2 <- which(cumall(grepl("[0-9]", vec) | vec == "-"))
  if (isTRUE(length(vec2) > 0)) {
    # remove a trailing "-" that does not result in a range
    if (vec[ tail(vec2, 1) ] == "-") vec2 <- vec2[-length(vec2)]
    return(paste(vec[vec2], collapse = " "))
  } else return(default)
}
一个快速得到原始单位，总是第一个字

extractUnits <- function(s)
  head(strsplit(s, "\\s+")[[1]], 1)
测试：

好的，现在把这个放到管道里：

drug_name %>%
  mutate(
    full = fixEmpties(regmatches(Description, gregexpr(paste0(units1, ".*"), Description))),
    unit = map_chr(full, extractUnits),
    amt = map_chr(full, extractAmounts)
  ) %>%
  select(-full)
# # A tibble: 13 x 3
#    Description                                             unit  amt          
#    <chr>                                                   <chr> <chr>        
#  1 ZOLEDRONIC ACID INF 4MG/5ML (5ML)                       INF   4MG/5ML (5ML)
#  2 CALCICHEW D3 FORTE CHEWABLE TABS                        TABS  <NA>         
#  3 DAYCASE DRUGS                                           <NA>  <NA>         
#  4 AKYNZEO (NETUPITANT/PALONOSETRON) HARD CAPS 300MG/0.5MG CAPS  300MG/0.5MG  
#  5 CYCLOPHOSPHAMIDE INF 1MG/ML                             INF   1MG/ML       
#  6 EPIRUBICIN INJ 1MG/ML                                   INJ   1MG/ML       
#  7 DAYCASE DRUGS                                           <NA>  <NA>         
#  8 DAYCASE DRUGS                                           <NA>  <NA>         
#  9 ALOXI (PALONOSETRON) INJ 250MCG                         INJ   250MCG       
# 10 PACLITAXEL INF 1MG/ML                                   INF   1MG/ML       
# 11 DEXAMETHASONE VIAL 6.6MG/2ML - USE PSD742               VIAL  6.6MG/2ML    
# 12 PACLITAXEL INF 1MG/ML                                   INF   1MG/ML       
# 13 RAMUCIRUMAB INF 0.1MG - 100MG                           INF   0.1MG - 100MG
请尝试药物名称%mutateunit=subpaste0^？：*，粘贴单位，折叠=|，..|.*$，\\1，Description@WiktorStribiżew谢谢你这对我很有效，我正在尝试从药品名称中提取指标，我可以作为单独的查询，但我正在尝试在单个查询中进行。你有一些答案，如果没有帮助，请告诉我。谢谢！！！你的方法在功能上有点不同。我可以在我的代码中使用它：-我以为你只想要数量，而不是像使用PSD742那样的注释。我是否误解了psd742的含义？嗨，我正在尝试更改extractamount函数，当没有与药物匹配的单位时，有些单位只有数量而不是单位。例：曲妥珠单抗EMTANSINE 0.01MG-100MGPerhaps代替一个正则表达式并拆分字符串的其余部分，需要两个正则表达式：一个用于单位，一个用于数量，构造类似。我可以整齐地获得药物和单位，但是一些与单位不匹配的药物确实有体积，例如：曲妥珠单抗EMTANSINE 0.01MG-100MG在这种情况下，我想做什么？我所做的是创建另一个查询来解决这个问题。@Sharmi您可以搜索描述中的第一个数字，然后从这个位置提取字符串的其余部分，直到结束。。。取决于你剩下的数据是什么样的…很抱歉，我在药物提取方面遇到了问题，当它与SOL这样的单位进行检查时，它提取药物名称，例如：SOLU-CORTEF氢化可的松瓶100MG，这里它捕获SOL而不是瓶子，泼尼松龙标签5MG，这里SOL在mid_drugname中，最终无法更新卷和药物名称。@Sharmi那么您需要单词边界\b或正则表达式模式中的纯ols空格如果您使用的是tidyverse，那么您应该始终使用dplyr:：if_else vice base:：ifelse:它比基变量更一致、更可靠、更严格。我想不出一个不使用if_的理由。 
m <- regmatches(drug_name$Description,
                gregexpr(paste0(units1, ".*"), drug_name$Description))
m
# [[1]]
# [1] "INF 4MG/5ML (5ML)"
# [[2]]
# [1] "TABS"
# [[3]]
# character(0)
# [[4]]
# [1] "CAPS 300MG/0.5MG"
# [[5]]
# [1] "INF 1MG/ML"
# [[6]]
# [1] "INJ 1MG/ML"
# [[7]]
# character(0)
# [[8]]
# character(0)
# [[9]]
# [1] "INJ 250MCG"
# [[10]]
# [1] "INF 1MG/ML"
# [[11]]
# [1] "VIAL 6.6MG/2ML - USE PSD742"
# [[12]]
# [1] "INF 1MG/ML"
# [[13]]
# [1] "INF 0.1MG - 100MG"

fixEmpties <- function(lst, default=NA_character_)
  unlist(replace(lst, lengths(lst) == 0L, default))

extractAmounts <- function(s, default=NA_character_) {
  vec <- strsplit(s, "\\s+")[[1]][-1]
  vec2 <- which(cumall(grepl("[0-9]", vec) | vec == "-"))
  if (isTRUE(length(vec2) > 0)) {
    # remove a trailing "-" that does not result in a range
    if (vec[ tail(vec2, 1) ] == "-") vec2 <- vec2[-length(vec2)]
    return(paste(vec[vec2], collapse = " "))
  } else return(default)
}

extractUnits <- function(s)
  head(strsplit(s, "\\s+")[[1]], 1)

m <- fixEmpties(m)
sapply(m, extractUnits, USE.NAMES=FALSE)
#  [1] "INF"  "TABS" NA     "CAPS" "INF"  "INJ"  NA     NA     "INJ"  "INF" 
# [11] "VIAL" "INF"  "INF" 
sapply(m, extractAmounts, USE.NAMES=FALSE)
#  [1] "4MG/5ML (5ML)" NA              NA              "300MG/0.5MG"  
#  [5] "1MG/ML"        "1MG/ML"        NA              NA             
#  [9] "250MCG"        "1MG/ML"        "6.6MG/2ML"     "1MG/ML"       
# [13] "0.1MG - 100MG"

drug_name %>%
  mutate(
    full = fixEmpties(regmatches(Description, gregexpr(paste0(units1, ".*"), Description))),
    unit = map_chr(full, extractUnits),
    amt = map_chr(full, extractAmounts)
  ) %>%
  select(-full)
# # A tibble: 13 x 3
#    Description                                             unit  amt          
#    <chr>                                                   <chr> <chr>        
#  1 ZOLEDRONIC ACID INF 4MG/5ML (5ML)                       INF   4MG/5ML (5ML)
#  2 CALCICHEW D3 FORTE CHEWABLE TABS                        TABS  <NA>         
#  3 DAYCASE DRUGS                                           <NA>  <NA>         
#  4 AKYNZEO (NETUPITANT/PALONOSETRON) HARD CAPS 300MG/0.5MG CAPS  300MG/0.5MG  
#  5 CYCLOPHOSPHAMIDE INF 1MG/ML                             INF   1MG/ML       
#  6 EPIRUBICIN INJ 1MG/ML                                   INJ   1MG/ML       
#  7 DAYCASE DRUGS                                           <NA>  <NA>         
#  8 DAYCASE DRUGS                                           <NA>  <NA>         
#  9 ALOXI (PALONOSETRON) INJ 250MCG                         INJ   250MCG       
# 10 PACLITAXEL INF 1MG/ML                                   INF   1MG/ML       
# 11 DEXAMETHASONE VIAL 6.6MG/2ML - USE PSD742               VIAL  6.6MG/2ML    
# 12 PACLITAXEL INF 1MG/ML                                   INF   1MG/ML       
# 13 RAMUCIRUMAB INF 0.1MG - 100MG                           INF   0.1MG - 100MG