对于批量读取，有个问题没说到：数据下载完成，挨个季度手工解压后，把同类型的表格手工复制到祛除个文献夹，这么便捷批量读取。上一篇还是把系数ASCII文献批量读取，并输出为CSV文献。今天的任务是把同类型各季度数据合并为一个CSV文献。这里触及到的第一个问题，FAERS数据库从2004年第1季度于今一直在更新完善，导致数据表格模式发生了一些变化：列名革新、加多新的列等。这就需要缕清哪些季度发生了哪些变化，然后把表格的模式一齐革新为最新的模式，便捷合并：把列名一齐革新为最新的，加多新增的列樱井莉亚电影，即使全是未知值。第二个问题樱井莉亚电影，要弄明晰我方需要哪些列的数据樱井莉亚电影，把不需要的列删除，这么能减少数据量，好像本领。底下对每种类型的表格进行处分：一、DEMODemo表格合并之前的处单干作不是在R中处分的，是我手工在excel表中手工处分的，这也算是一种方法吧，是以肤浅说一下奈那处分的，不需要设施。保留PRIMARYID列，革新老表列名ISR为PRIMARYID；保留CASEID列，革新老表列名CASE为CASEID；保留EVETNT_DT列；保留FDA_DT列；保留AGE列；保留AGE_COD列；保留GNDR_COD列；保留WT列；保留WT_COD列；保留REPT_DT列；保留OCCP_COD列；保留DEATH_DT列。把老表格中的老列名革新为新列名，同期加多新表格中新增的，老表格中莫得的列。手工EXCEL表中处分达成后，读取并合并成一个表格，合并设施在背面：批量读取，接纳上篇的设施，难得革新read_delim函数为read_excel函数或其他可用函数。二、DRUGDRUG表格的合并是接纳的R道话进行的处分；DRUG表格的模式整个发生了2次变化，换句话说需要分红三个部分批量读取和革新，然后搭救合并：2004Q1~2012Q3，2012Q4~2014Q2，2014Q3于今；把这三个阶段的文献辩认放到三个文献夹，便捷处分。1、2004Q1~2012Q3的读取和处分：#批量读取设施和上一篇雷同，区别是对不需要的列进行了删除，需要的列进行了重定名；#难得革新为我方的旅途#创建变量pathpath <- "D: /FAERS/FaersCSV/DRUGCSV/"#索要旅途文献夹里的系数文献称呼drug_names <- dir(path)#轨范称呼drug_renames <- drug_names %>%str_replace(".csv"， "")#创建读取文献夹中系数文献的旅途drug_path <- sapply(drug_names， function(x){paste(path， x， sep = "/")})#读取文献夹中系数的文献，并复返listdrug_newdata <- lapply(drug_path， function(x){read_csv(x)})for (i in 1:length(drug_names)) {temp <- drug_newdata[[i]] %>%#遴荐需要的列select(ISR， DRUG_SEQ， ROLE_COD， DRUGNAME， ROUTE) %>%#重定名列，进行称呼的搭救轨范rename(primaryid = ISR， drug_seq = DRUG_SEQ， role_cod = ROLE_COD， drugname = DRUGNAME， route = ROUTE) %>%#新表格中出现的新列添加至老表格，赋值NAmutate(caseid = NA， prod_ai = NA)#输出搭救后的文献#难得革新旅途为我方的write_csv(temp， paste0("D: FAERS/FaersCSV/DrugDataCleaned/"， drug_renames[i]， ".csv"))}2、2012Q4~2014Q2的读取和处分：#批量读取不再赘述，和上述近似；只贴一下列的遴荐和重定名设施for (i in 1:length(drug_names)) {temp <- drug_newdata[[i]] %>%select(primaryid， caseid， drug_seq， role_cod， drugname， route) %>%mutate(prod_ai = NA)#然后和2004Q1~2012Q3输出到祛除个文献夹即可3、2014Q3于今的读取和处分：#批量读取不再赘述，和上述近似；只贴一下列的遴荐for (i in 1:length(drug_names)) {temp <- drug_newdata[[i]] %>%select(primaryid， caseid， drug_seq， role_cod， drugname， route， prod_ai) #遴荐列}#然后和2004Q1~2012Q3输出到祛除个文献夹即可4、把上述身手处分后的DRUG文献进行合并#文献旅途一齐革新为我方的#由于我在两台电脑上进行的处分，文献旅途频繁发生变化，不必纠结，革新为我方的就不错#创建变量pathpath <- "D:/DataMining/4FaersDataCleaning/DrugDataCleaning/"#索要旅途文献夹里的系数文献称呼drug_names <- dir(path)#轨范称呼drug_renames <- drug_names %>%str_replace(".csv"， "")#创建读取文献夹中系数文献的旅途drug_path <- sapply(drug_names， function(x){ paste(path， x， sep = "/")})#读取文献夹中系数的文献，并复返listdrug_newdata <- lapply(drug_path， function(x){ read_csv(x)})#合并文献drug_conbine <- drug_newdata[[1]]for (i in 1:length(drug_names)) { drug_conbine <- union(drug_conbine， drug_newdata[[i]])}#输出文献write_csv(drug_conbine， "F:/DataMining/5FaersDataCombineByGroup/DrugConbined.csv")三、INDI文献读取合并身手和上述近似，只肤浅贴一下文献有变化的设施1、2004Q1~2012Q3for (i in 1:length(indi_names)) { temp <- indi_newdata[[i]] %>%#重定名列 rename(primaryid = ISR， drug_seq = DRUG_SEQ， indi_pt = INDI_PT) %>%#添加新列 mutate(caseid = NA)2、2012Q4于今for (i in 1:length(indi_names)) { temp <- indi_newdata[[i]] %>% #重定名列 rename(drug_seq = indi_drug_seq)四、OUTC文献读取合并身手和上述近似，只肤浅贴一下文献有变化的设施1、2004Q1~2012Q3for (i in 1:length(outc_names)) { temp <- outc_newdata[[i]] %>% #重定名列 rename(primaryid = ISR， outc_cod = OUTC_COD) %>% #添加空缺列 mutate(caseid = NA)五、REAC文献读取合并身手和上述近似，只肤浅贴一下文献有变化的设施1、2004Q1~2012Q3for (i in 1:length(reac_names)) { temp <- reac_newdata[[i]] %>% rename(primaryid = ISR， pt = PT) %>% mutate(caseid = NA)2、2014Q3~2023Q3for (i in 1:length(reac_names)) { temp <- reac_newdata[[i]] %>% select(primaryid， caseid， pt)六、THER文献读取合并身手和上述近似，只肤浅贴一下文献有变化的设施1、2004Q1~2012Q3for (i in 1:length(ther_names)) { temp <- ther_newdata[[i]] %>% select(ISR， DRUG_SEQ， START_DT) %>% rename(primaryid = ISR， drug_seq = DRUG_SEQ， start_dt = START_DT) %>% mutate(caseid = NA)2、2012Q4~2023Q3for (i in 1:length(ther_names)) { temp <- ther_newdata[[i]] %>% select(primaryid， caseid， dsg_drug_seq， start_dt) %>% rename(drug_seq = dsg_drug_seq)7、RPSR我不需要这个表格信息，就没处分，要是需要，不错按照上述身手进行处分，背面的处分也莫得这个表格，不再赘述。8、DELETED这个表格比拟肤浅，径直合并即可。 本站仅提供存储处事，系数本色均由用户发布，如发现存害或侵权本色，请点击举报。 丝袜控