[R-es] Agrupar dummy's en otra variable.

Hola Estimados/as,



Hace unos días consulté cómo generar variables dummy cuándo las opciones
de respuesta están cargadas en una misma columna/variable y separadas por
una coma ?,?.



Tenía esto:

[image: image.png]



Y debía generar como primer paso esto:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad))



[image: image.png]


Y finalmente obtener como resultado las dummy:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad), # Para quitar los espacios
en blanco indeseados

         id = 1) %>%

  spread(key = enfermedad, value = id)



ab[is.na(ab)] <- 0


write.csv(ab,file='base_enfermedades_dummy.csv')


[image: image.png]




Actualmente estoy necesitando lo siguiente: conservar las variables
*Demencia*, *Cáncer*, *Enfermedad Cardíaca*, *Enfermedad pulmonar* y
*Diabetes* y al resto de las variables/enfermedades agruparlas en una
nueva variable ?otros?, que sea 1 ó 0 si el caso/paciente tiene 1 en
cualquiera de las enfermedades que no son las que menciono arriba.


Asimismo, necesito generar una nueva variable "*Enfermedades_otras*"
donde figuren cuáles son las enfermedades que mencionó el paciente en
otros, y que estén separadas por una coma.



Adjunto la base en csv (*base_enfermedades_dummy)  *y en el excel (
*Ejemplo_agrupar_en_otros*) dejo un ejemplo de lo que intento hacer.


Muchas gracias! Juan.

Hola Estimados/as,



Hace unos días consulté cómo generar variables dummy cuándo las opciones
de respuesta están cargadas en una misma columna/variable y separadas por
una coma ?,?.



Tenía esto:

[image: image.png]



Y debía generar como primer paso esto:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad))



[image: image.png]


Y finalmente obtener como resultado las dummy:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad), # Para quitar los espacios
en blanco indeseados

         id = 1) %>%

  spread(key = enfermedad, value = id)



ab[is.na(ab)] <- 0


write.csv(ab,file='base_enfermedades_dummy.csv')


[image: image.png]




Actualmente estoy necesitando lo siguiente: conservar las variables
*Demencia*, *Cáncer*, *Enfermedad Cardíaca*, *Enfermedad pulmonar* y
*Diabetes* y al resto de las variables/enfermedades agruparlas en una
nueva variable ?otros?, que sea 1 ó 0 si el caso/paciente tiene 1 en
cualquiera de las enfermedades que no son las que menciono arriba.


Asimismo, necesito generar una nueva variable "*Enfermedades_otras*"
donde figuren cuáles son las enfermedades que mencionó el paciente en
otros, y que estén separadas por una coma.



Adjunto la base en csv (*base_enfermedades_dummy)  *y en el excel (
*Ejemplo_agrupar_en_otros*) dejo un ejemplo de lo que intento hacer.


Muchas gracias! Juan.

Hola,

Esta podría ser una forma...

#----------------------------------
library(dplyr)
library(tidyr)
library(data.table)

datin <- fread('base_enfermedades_dummy.csv')

#Demencia, Cáncer, Enfermedad Cardíaca, Enfermedad pulmonar y Diabetes

to_keep <- c('paciente', 'Demencia', 'Cáncer', 'Enfermedad Cardíaca',
             'Enfermedad Pulmonar' , 'Diabetes')
to_rest <- setdiff(names(datin), to_keep)

datin_rel <- datin %>% relocate(all_of(to_keep), .before = all_of(to_rest))
datinnew <- datin_rel
datrest <- datin_rel[, (length(to_keep)+1):ncol(datin_rel)]

# Conseguir columna "Otros"
datinnew$sum_keep <- rowSums(datin_rel[, 2:length(to_keep)])
datinnew$sum_rest <- rowSums(datin_rel[,
(length(to_keep)+1):ncol(datin_rel)])
datinnew$Otros <- ifelse(datinnew$sum_rest > 0, 1, 0)

#--- Conseguir columna "Enfermedades_otras"
datinnew$Enfermedades_otras <- apply( datrest, 1,
                                      function(u) paste( names(which(u >
0)), collapse = "," ) )

#----------------------------------

Gracias,
Carlos Ortega
www.qualityexcellence.es

El jue, 11 mar 2021 a las 20:03, juan manuel dias (<juamadias en gmail.com>)
escribió:

Hola Estimados/as,



Hace unos días consulté cómo generar variables dummy cuándo las opciones
de respuesta están cargadas en una misma columna/variable y separadas por
una coma ?,?.



Tenía esto:

[image: image.png]



Y debía generar como primer paso esto:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad))



[image: image.png]


Y finalmente obtener como resultado las dummy:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad), # Para quitar los espacios
en blanco indeseados

         id = 1) %>%

  spread(key = enfermedad, value = id)



ab[is.na(ab)] <- 0


write.csv(ab,file='base_enfermedades_dummy.csv')


[image: image.png]




Actualmente estoy necesitando lo siguiente: conservar las variables
*Demencia*, *Cáncer*, *Enfermedad Cardíaca*, *Enfermedad pulmonar* y
*Diabetes* y al resto de las variables/enfermedades agruparlas en una
nueva variable ?otros?, que sea 1 ó 0 si el caso/paciente tiene 1 en
cualquiera de las enfermedades que no son las que menciono arriba.


Asimismo, necesito generar una nueva variable "*Enfermedades_otras*"
donde figuren cuáles son las enfermedades que mencionó el paciente en
otros, y que estén separadas por una coma.



Adjunto la base en csv (*base_enfermedades_dummy)  *y en el excel (
*Ejemplo_agrupar_en_otros*) dejo un ejemplo de lo que intento hacer.


Muchas gracias! Juan.

--
Saludos,
Carlos Ortega
www.qualityexcellence.es

Muchas gracias por las respuestas! Voy a probar lo que pasó Carlos y luego
les cuento.
Respecto a lo que plantea Rubén, entiendo lo de cáncer y neoplasia...pero
para este estudio puntual ese problema de nomenclatura no sería un problema
por el momento, las agrupaciones son criterios establecidos por una parte
del equipo de investigación (entiendo que ni siquiera están usando CIE10).
Desde el lugar que a mí me toca soy consciente que R no soluciona
problemas de nomenclatura médica. Muchas gracias de todas formas!
Saludos, Juan.


El vie, 12 mar 2021 a las 7:48, Carlos Ortega (<cof en qualityexcellence.es>)
escribió:

Hola,

Esta podría ser una forma...

#----------------------------------
library(dplyr)
library(tidyr)
library(data.table)

datin <- fread('base_enfermedades_dummy.csv')

#Demencia, Cáncer, Enfermedad Cardíaca, Enfermedad pulmonar y Diabetes

to_keep <- c('paciente', 'Demencia', 'Cáncer', 'Enfermedad Cardíaca',
             'Enfermedad Pulmonar' , 'Diabetes')
to_rest <- setdiff(names(datin), to_keep)

datin_rel <- datin %>% relocate(all_of(to_keep), .before =
all_of(to_rest))
datinnew <- datin_rel
datrest <- datin_rel[, (length(to_keep)+1):ncol(datin_rel)]

# Conseguir columna "Otros"
datinnew$sum_keep <- rowSums(datin_rel[, 2:length(to_keep)])
datinnew$sum_rest <- rowSums(datin_rel[,
(length(to_keep)+1):ncol(datin_rel)])
datinnew$Otros <- ifelse(datinnew$sum_rest > 0, 1, 0)

#--- Conseguir columna "Enfermedades_otras"
datinnew$Enfermedades_otras <- apply( datrest, 1,
                                      function(u) paste( names(which(u >
0)), collapse = "," ) )

#----------------------------------

Gracias,
Carlos Ortega
www.qualityexcellence.es

El jue, 11 mar 2021 a las 20:03, juan manuel dias (<juamadias en gmail.com>)
escribió:

Hola Estimados/as,



Hace unos días consulté cómo generar variables dummy cuándo las opciones
de respuesta están cargadas en una misma columna/variable y separadas por
una coma ?,?.



Tenía esto:

[image: image.png]



Y debía generar como primer paso esto:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad))



[image: image.png]


Y finalmente obtener como resultado las dummy:



ab<-base %>%

  separate_rows(enfermedad, sep = ",") %>%

  mutate(enfermedad = str_squish(enfermedad), # Para quitar los espacios
en blanco indeseados

         id = 1) %>%

  spread(key = enfermedad, value = id)



ab[is.na(ab)] <- 0


write.csv(ab,file='base_enfermedades_dummy.csv')


[image: image.png]




Actualmente estoy necesitando lo siguiente: conservar las variables
*Demencia*, *Cáncer*, *Enfermedad Cardíaca*, *Enfermedad pulmonar* y
*Diabetes* y al resto de las variables/enfermedades agruparlas en una
nueva variable ?otros?, que sea 1 ó 0 si el caso/paciente tiene 1 en
cualquiera de las enfermedades que no son las que menciono arriba.


Asimismo, necesito generar una nueva variable "*Enfermedades_otras*"
donde figuren cuáles son las enfermedades que mencionó el paciente en
otros, y que estén separadas por una coma.



Adjunto la base en csv (*base_enfermedades_dummy)  *y en el excel (
*Ejemplo_agrupar_en_otros*) dejo un ejemplo de lo que intento hacer.


Muchas gracias! Juan.

--
Saludos,
Carlos Ortega
www.qualityexcellence.es