2021-02-12 快速将多分类变量进行整合成几个分类

oldval<-c("1012","1014","1015","N0","N0(i-)","N0(i+)","N0(mol-)","N0(mol+)","N1","N1a","N1b","N1c","N1mi","N1NOS","N2a",

          "N2b","N2NOS","N3a","N3b","N3c","N3NOS","NX")

newval<-factor(c("NX","NX","NX","N0","N0","N0","N0","N0","N1","N1","N1","N1","N1","N1","N2","N2","N2","N3","N3","N3","N3","NX"))

primary.site.breast2010.4$Nnode<-newval[match(primary.site.breast2010.4$Derived.AJCC.N..7th.ed..2010.2015.,oldval)]

##primary.site.breast2010.4$Derived.AJCC.N..7th.ed..2010.2015.需要整理的分类变量

##oldval 是primary.site.breast2010.4$Derived.AJCC.N..7th.ed..2010.2015.里面有多少分类，列出来


第二种方法

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M0"]<-"M0"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M0(i+)"]<-"M0"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M1"]<-"M1"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="161"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="17"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="312"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="438"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="442"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="465"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="521"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="568"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="824"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="825"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="827"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="841"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="97"]<-"MX"

primary.site.breast2010.4$metastasis<-factor(primary.site.breast2010.4$metastasis)

table(primary.site.breast2010.4$metastasis)

table(primary.site.breast2010.4$CS.mets.at.dx..2004.2015.)

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M0"]<-"M0"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M0(i+)"]<-"M0"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="M1"]<-"M1"

primary.site.breast2010.4$metastasis[primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="161"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="17"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="312"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="438"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="442"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="465"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="521"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="568"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="824"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="825"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="827"|primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="841"|

                                      primary.site.breast2010.4$Derived.AJCC.M..7th.ed..2010.2015.=="97"]<-"MX"

primary.site.breast2010.4$metastasis<-factor(primary.site.breast2010.4$metastasis) #转换成因子

新建一列：primary.site.breast2010.4$metastasis

第三种

xx<-c(0.1,2,3,4,5,6,8,9,10,56)

xy<-cut(xx,breaks = c(0,2,6,Inf))

xy##发现划分时，都是小于等于

primary.site.breast2010.4$tumorsize<-cut(primary.site.breast2010.4$CS.tumor.size..2004.2015.,

                                        breaks = c(-1,0,19,49,989,990,992,995,999),labels = c("no","small","medium","large","unknow",

                                                                                            "small","medium","unknow"))

##第四种

library(plyr)

forest_before_psm_os$age<-revalue(forest_before_psm_os$age,c("<41"=1,"41-60"=2,"61-80"=3,">80"=4))

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
  • 人面猴
    序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
    沈念sama阅读 219,635评论 6赞 508
  • 死咒
    序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
    沈念sama阅读 93,628评论 3赞 396
  • 救了他两次的神仙让他今天三更去死
    文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
    开封第一讲书人阅读 165,971评论 0赞 356
  • 道士缉凶录：失踪的卖姜人
    文/不坏的土叔 我叫张陵，是天一观的道长。 经常有香客问我，道长，这世上最难降的妖魔是什么？ 我笑而不...
    开封第一讲书人阅读 58,986评论 1赞 295
  • 港岛之恋（遗憾婚礼）
    正文 为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
    茶点故事阅读 68,006评论 6赞 394
  • 恶毒庶女顶嫁案：这布局不是一般人想出来的
    文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
    开封第一讲书人阅读 51,784评论 1赞 307
  • 城市分裂传说
    那天，我揣着相机与录音，去河边找鬼。 笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。 我是一名探鬼主播，决...
    沈念sama阅读 40,475评论 3赞 420
  • 双鸳鸯连环套：你想象不到人心有多黑
    文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
    开封第一讲书人阅读 39,364评论 0赞 276
  • 万荣杀人案实录
    序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
    沈念sama阅读 45,860评论 1赞 317
  • 护林员之死
    正文 独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,008评论 3赞 338
  • 白月光启示录
    正文 我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,152评论 1赞 351
  • 活死人
    序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
    沈念sama阅读 35,829评论 5赞 346
  • 日本核电站爆炸内幕
    正文 年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
    茶点故事阅读 41,490评论 3赞 331
  • 男人毒药：我在死后第九天来索命
    文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,035评论 0赞 22
  • 一桩弑父案，背后竟有这般阴谋
    文/苍兰香墨 我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,156评论 1赞 272
  • 情欲美人皮
    我被黑心中介骗来泰国打工， 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。 一个月前我还...
    沈念sama阅读 48,428评论 3赞 373
  • 代替公主和亲
    正文 我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
    茶点故事阅读 45,127评论 2赞 356

推荐阅读更多精彩内容