【Rでデータハンドリング】解析前に行う基本的なハンドリングの紹介１

解析前には研究データを解析出来るように加工する機会が多くあります。
その中でも最低限使えると助かる技術を紹介します。

以下紹介するハンドリング技術は主にrmsパッケージを使用していますので、
ご覧頂く前にrmsパッケージをインストールしてlibrary(rms)まで実行を済ませてください。

このページで紹介するハンドリング

・変数名を変える(rename)
・変数ラベルを付与する(label)
・変数をデータフレームに残す(keep)
・変数をデータフレームから削除する(drop)
・データを並べ替える(sort)
・グループの最初/最後の行を取得する(first/last)

「文字列操作」、「2つのデータの結合」、「縦→横、横→縦変換」については別ページで紹介します。

データについて

今回は次のようなデータを取り扱うことにします。

id	arm	age	sex_c	sex_n	bmi	ha1c0	sbp0	asa0
1	コントロール	79	男性	1	26.12	11.0	134	1
2	介入	61	男性	1	39.48	10.8	188	1
3	コントロール	64	女性	0	26.11	14.1	141	0
4	コントロール	47	男性	1	31.17	8.0	136	0
5	コントロール	47	男性	1	27.61	8.1	164	0

このデータを読み込むためのサンプルコードはこちらになります。
詳しくは、こちらを参照ください。
【Rでデータハンドリング】RコードでDropboxのCSVファイルを直接読み込む
https://qiita.com/ishihara_airport/private/907b1fb9ae118ddacfb0

library(dplyr)
data <-
  "https://www.dropbox.com/s/rc1j53415f2l06r/DMRCT180_sum.csv?raw=1" %>%
  url %>%
  read.csv(na.strings = c("", "#VALUE!")) 

upData関数の基本

upData関数の基本ですが、第一引数には操作するデータ名を記載します。
いまは、dataというデータを操作して、newdataという新しいデータを作ります。
第二引数以降は、データの操作を記載していきます。データの操作は、「,(カンマ)」で区切って複数書くことができます。

newdata = upData(data,…
              #第二引数以降はデータの操作を記載)

この基本を押さえた上でデータハンドリングを身につけましょう。

変数名を変える(rename)

rmsのupData関数を使います。

newdata = upData(data,
              rename=list(id  ="ID",　#元の名前=新たな名前
                          sex_c  = "gender_c"))

変数ラベルを付与する(label)

sex_nにラベルをつけたsex_lという変数を作ります。

newdata = upData(data,
              sex_l = factor(sex_n,levels=c("0", "1"), labels=c("女", "男"))
)

levels=には元の変数のカテゴリを、labels=にはつけるラベルを順に記載します。

変数をデータフレームに残す(keep)

この操作では、upData関数は使わず、subset関数を使います。

newdata = subset(data, select = c(id,age,sex_n,ha1c0))

select =の後に残したい変数を書きましょう。

変数をデータフレームから削除する(drop)

newdata = upData(data,drop = c("sbp0"))

upData内でdrop =の後に削除したい変数を書きましょう。

データを並べ替える(sort)

dplyrパッケージを使う方法が簡潔で応用も効かせやすいので、こちらを紹介します。

library(dplyr)
newdata =
  data %>%
  arrange(arm,id)

arrengeの中に並べ替えたい順に記載します。
arm,idの順で記載すると、まず、armで並び替えた中でid順に並び替えてくれます。

グループの最初/最後の行を取得する(first/last)

dplyrパッケージを使います。
今回グループはarmとして、その中で最初の行を取得します。

また最初や最後の行を取得するときには、並び替え(sort)も同時に行うということをクセ付けるようにしましょう。

library(dplyr)
newdata =
  data %>%
  arrange(arm,id) %>%
  group_by(arm) %>%
  filter(row_number()==1)

まずは並び替えるためにarrangeを使ってarm内をid順に並び替えます。
次に今回のグループはarmですので、group_byでarmのグループ指定をします。

この2つの処理をした後に、filter(row_number()==1)で最初の行に絞り込みます。row_number()==はグループ内で連番をつけてくれているとイメージしましょう。これを覚えておくと、2番目をとってくることもできますし、最後の行のコードもイメージしやすくなります。

グループ内の最後の行を取得するコードは下記になります。

library(dplyr)
newdata =
  data %>%
  group_by(arm) %>%
  arrange(arm,id) %>%
  filter(row_number()==n())

row_number()==n()という部分が変化しただけです。

以上。