R语言：data.table语句批量生成变量

作者：村长 ，数据科学、指弹吉他及录音工程爱好者，浙大金融学博士在读，在data.table包和 MongoDB 的使用上有较多经验。

写在前面

本期依然由村长为大家供稿，只为填上一期最后挖的坑，话不多说进入正题。

问题提出

在上一期中，还记得我们留下的那个彩蛋吗？我们在对多列标准进行筛选时，在之前我们还进行了一步非常重要的提取，也就是将每一列观察值 提取出某一特定的字段，而后生成一系列变量，这些变量的观测值只可能存在三种情况：醛固酮、继发性醛固酮或者NA 。

经过这样的处理我们才能进行上一期公众号所讲述的下一步：以多列标准进行筛选的操作。

我们先将这段代码放上来：

clinic <- clinic[, str_c(colnames(clinic)[2:23], "_xtrct") := lapply(.SD[, 2:23], str_match, "继发性醛固酮|醛固酮")]

再来看看运行结果：

上述结果可以看出，我们重新生成了很多被处理过的变量，都带有后缀 _xtrct ，下面让村长对这一行代码进行详细解析。

:=

右边

关于 ' := lapply ' 的用法，在这里小编不再赘述，如果大家对此不是很熟悉可以看这一期公众号： 用data.table语句批量处理变量 。

在这里通过链接中的推送的lapply使用原理，再加上 stringr 包中 str_match 这个函数的使用，截取出诊断结果中 出现过的继发性醛固酮或者醛固酮 ， 没有出现过的自动记为NA 。代码如下：

lapply(.SD[, 2:23], str_match, "继发性醛固酮|醛固酮")

:=

左边

我们可以再回顾一下，上文链接中 用data.table语句批量处理变量 的推送中所提到的 ‘:=’ 左边格式的问题：

是一个向量，一个带有需要被处理变量的字符格式的向量

，这一点从colnames这个函数的使用可以得知。

那么对于一个字符格式向量的处理，最好的选择就是 stringr 这个包，在这里我们为需要提取一部分字段的变量，运用 str_c 这个函数，对每一个变量名加入了后缀 _xtrct ，从而生成一系列新的变量名，也即是我们上文中生成的那个数据集。

str_c(colnames(clinic)[2:23], "_xtrct")

最后我们把 ':=' 左右两边的代码组合在一起，放入data.table语句的j中就是我们在一开始所讲述的代码。

转载自公众号：大猫的R语言课堂

往期精彩：

• R语言：以多列标准筛选特定行

• 还在用tm？你OUT啦！

• 从一件数据清洗的小事说起

• 用data.table语句批量处理变量

• R语言：哪个函数解析时间最快？

公众号后台回复关键字即可学习

本文由R语言中文社区 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。