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：
':=' 左边的格式应该是一个向量，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

回复 爬虫            爬虫三大案例实战
回复 Python       1小时破冰入门
回复 数据挖掘     R语言入门及数据挖掘
回复 人工智能     三个月入门人工智能
回复 数据分析师  数据分析师成长之路 
回复 机器学习     机器学习的商业应用
回复 数据科学     数据科学实战
回复 常用算法     常用数据挖掘算法

愿有人与你立黄昏，有人问你粥可温↓