有多少人服用了4种感兴趣的药物？R

我有一长串接受药物治疗的人，他们的编码是ATC变量。我想知道有多少人服用过4种特殊药物。例如，我想统计一下有多少人使用过这种特殊模式的药物“C07ABC”和“C09XYZ”和“C08123”和“C03ZOO”。有些人可能不止一次使用某些药物（如C07或C08），没关系，我只想统计一下有多少人有我感兴趣的独特疗法。我不在乎他们服用了多少次这种独特的药物。但是，因为我有各种各样的模式需要查找，所以我想使用grepl函数。为了进一步解释这一点，我第一次尝试使用sum命令：

sum(df[grepl('^C07.*?'|'^C09.*?'|'^C08.*?|C03.*?', as.character(df$atc)),])

但是，这不起作用，因为我认为sum命令需要一个布尔函数。此外，我认为|符号在这里也不正确（我想要一个&），但我只是显示代码，以便您知道我在追求什么。也许ave函数是我所需要的-但我不确定我将如何编码它

提前谢谢

df
   names  fruit      dates     atc
4   john   kiwi 2010-07-01  C07ABC
7   john  apple 2010-09-01  C09XYZ
9   john banana 2010-11-01  C08123
13  john orange 2010-12-01  C03ZOO
14  john  apple 2011-01-01  C07ABC
2   mary orange 2010-05-01  C09123
5   mary  apple 2010-07-01  C03QRT
8   mary orange 2010-07-01  C09ZOO
10  mary  apple 2010-09-01  C03123
12  mary  apple 2010-11-01  C09123
1    tom  apple 2010-02-01  C03897
3    tom banana 2010-03-01 C02CAMN
6    tom  apple 2010-06-01  C07123
11   tom   kiwi 2010-08-01 C02DA12

---

可以考虑避免使用正则表达式，而是从列<代码> ATC < /代码>中导出一些有意义的列。对于组合，您可能需要一个人员和药物的双向表，然后在矩阵上计算组合数

例如：

tab <- xtabs(~ names + atc, df)
combo <- c("C07ABC", "C09XYZ", "C08123", "C03ZOO")
haveCombo <- rowSums(tab[,combo] > 0) == length(combo)
sum(haveCombo)

tab你可以试试这个

drugs <- c("C07ABC","C09XYZ", "C08123", "C03ZOO")
table(unique(df[df$atc %in% drugs, c("names", "atc")])$names)
# john mary  tom 
#   4    0    0 
names(which(table(unique(df[df$atc %in% drugs, c("names", "atc")])$names) > 3))
# [1] "john"

3）
#[1]“约翰”

数据

df <- structure(list(names = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 3L), .Label = c("john", "mary", "tom"
), class = "factor"), fruit = structure(c(3L, 1L, 2L, 4L, 1L, 
4L, 1L, 4L, 1L, 1L, 1L, 2L, 1L, 3L), .Label = c("apple", "banana", 
"kiwi", "orange"), class = "factor"), dates = structure(c(5L, 
7L, 8L, 9L, 10L, 3L, 5L, 5L, 7L, 8L, 1L, 2L, 4L, 6L), .Label = c("2010-02-01", 
"2010-03-01", "2010-05-01", "2010-06-01", "2010-07-01", "2010-08-01", 
"2010-09-01", "2010-11-01", "2010-12-01", "2011-01-01"), class = "factor"), 
    atc = structure(c(8L, 11L, 9L, 6L, 8L, 10L, 5L, 12L, 3L, 
    10L, 4L, 1L, 7L, 2L), .Label = c("C02CAMN", "C02DA12", "C03123", 
    "C03897", "C03QRT", "C03ZOO", "C07123", "C07ABC", "C08123", 
    "C09123", "C09XYZ", "C09ZOO"), class = "factor")), .Names = c("names", 
"fruit", "dates", "atc"), class = "data.frame", row.names = c("4", 
"7", "9", "13", "14", "2", "5", "8", "10", "12", "1", "3", "6", 
"11"))

df除了不需要将整个数据帧行传递到
sum
之外，您在该模式中还有额外的引号：

> sum( grepl('^C07.*|^C09.*|^C08.*|C03.*', df$atc) )
[1] 12

我认为这更容易阅读：

>  sum( grepl('^(C07|C09|C08|C03).*', df$atc) )
[1] 12

但现在我了解到，您希望使用所有这些，并在患者id内进行计算。这可能需要使用&作为连接器，但我决定尝试不同的路径并使用
unique
，然后在
聚合操作中计算唯一匹配的数量

> aggregate(atc ~ names, data=df, 
                       function(drgs) length(unique(grep('^(C07|C09|C08|C03)', drgs))))
  names atc
1  john   5
2  mary   5
3   tom   2

虽然这是匹配项的数量，但不是唯一项的数量，因为我忘记在
grep
调用中输入value=TRUE（还需要使用
substr
以避免单独计算具有不同尾随ATC代码的同类项）：

这有点类似于@MichaelLawrence的矩阵/表格方法，但我认为它可以更好地扩展，因为创建的“表格”会小得多：

 combo <- c("C07", "C09", "C08", "C03")
 tapply(df$atc, df$names, function(drgs) sum(combo %in% substr(drgs,1,3)) )
#------
john mary  tom 
   4    2    2 

combo这只是@Michael Lawrence答案的延续。我将药物改为@user2363642想要的，并且我还将atc列的子字符串改为只使用前三个字符，我相信这也是@user2363642想要的。另外，对于行和，我首先将所有非零数量改为1，以确保我们不会重复计算药物

drugs <- c("C07", "C09", "C08", "C03")
df$atc.abbr <- substring(df$atc, 1, 3)

xt <- xtabs(~ names + atc.abbr, df)
xt[xt>0] <- 1
rowSums(xt[,drugs]) >= length(drugs) 

它不起作用，因为你应该把grepl传递给
sum
。我只是把^in放在habitGreat之外-谢谢你。这绝对是我可以使用的，尽管可能有点乏味，因为我想要grepl的原因是伞代码c07（或C08或c09）实际上包含了我也需要搜索的多个子代码。换句话说，我需要搜索所有以C08（或C07或其他）开头的药物。我希望grepl是一种有效的方法。尽管如此，你的答案仍然非常方便，我想我可以把所有的代码都打出来！谢谢。我对答案进行了编辑，以一种比regexps更正式的方式展示了如何对其进行概括。我只是想建议进行编辑，您可能还需要将
combo
更新为
combo Briliant！太好了！我实际上不知道子字符串的代码。我熟悉excel，但很高兴能在R中使用。谢谢@Michael，这可能是你用xtabs创建的一个相当大的矩阵。维度将是唯一（名称）乘以唯一（atc）。我可能担心它不能很好地扩展。这实际上会产生误导性的结果，因为在数据框上调用
unique
不是你想要的，因为例如水果会妨碍你。甚至
“^C0[3789]”
这很好-谢谢SF或代码。不过，我不明白[7983]这一点。它在干什么？为什么本提出了不同的数字？不同的。。。比什么好？“[7983]”是一个字符类，它将匹配方括号内的任何一项。它将匹配字符串开头的
CO
，以及其后的
3789
中的任何数字。哦，我现在明白你问题的重点了。。。。由于您要匹配这些项目中的任何一个，因此它们的输入顺序无关紧要。四位数字的任何排列在字符类中都是等效的。我的答案中的
>0
避免了重复计数。
 combo <- c("C07", "C09", "C08", "C03")
 tapply(df$atc, df$names, function(drgs) sum(combo %in% substr(drgs,1,3)) )
#------
john mary  tom 
   4    2    2 

drugs <- c("C07", "C09", "C08", "C03")
df$atc.abbr <- substring(df$atc, 1, 3)

xt <- xtabs(~ names + atc.abbr, df)
xt[xt>0] <- 1
rowSums(xt[,drugs]) >= length(drugs) 

 john  mary   tom 
 TRUE FALSE FALSE