如何用str_detect识别多列指定诊断编码？正则错误求助

错误原因 #

1. 列范围错误：代码中dx1:odx2是无效的列范围，你的数据里只有dx1和dx2，应改为dx1:dx2。
2. 正则表达式语法错误：[00-99]是无效的字符范围——正则中[x-y]要求左右都是单个字符，且左字符的ASCII码小于右字符。你需要针对每个编码区间编写正确的正则规则：
   • S00-S99：匹配以S开头、后跟两位数字的编码
   • T07-T34：匹配以T开头、后跟07-34之间两位数字的编码
   • T4112：精确匹配该编码
   • W00-W99：匹配以W开头、后跟两位数字的编码

修正后的代码 #

library(tidyverse)
library(stringr)

raw_df <- tibble::tribble(
     ~dx1, ~dx2, ~ecm1, ~ecm2,
     "S045",   "T401",    "X64", "V99",
     "R901",   "T5621A",  "Y141", "U033",
       "J76",   "I51",    "K44", "G304"
)

dat <- raw_df %>%
  mutate(diagn = case_when(
    # 修正列范围与正则表达式
    if_any(c(dx1:dx2, ecm1:ecm2),
           ~str_detect(., regex("^S[0-9]{2}|^T(0[7-9]|[12][0-9]|3[0-4])|^T4112|^W[0-9]{2}"))) ~ 1,
    TRUE ~ 0
  ))

# 查看结果
dat

代码解释 #

• ^S[0-9]{2}：匹配以S开头、后跟任意两位数字的编码（覆盖S00-S99区间）
• ^T(0[7-9]|[12][0-9]|3[0-4])：匹配T开头，后跟07-09、10-29、30-34的编码（覆盖T07-T34区间）
• ^T4112：精确匹配T4112编码
• ^W[0-9]{2}：匹配以W开头、后跟任意两位数字的编码（覆盖W00-W99区间）
• if_any检查指定列中是否至少有一个符合条件，符合则标记为1，否则为0

运行后输出结果：

# A tibble: 3 × 5
  dx1   dx2    ecm1  ecm2  diagn
  <chr> <chr>  <chr> <chr> <dbl>
1 S045  T401   X64   V99       1
2 R901  T5621A Y141  U033      0
3 J76   I51    K44   G304      0

内容的提问来源于stack exchange，提问作者Jenny Mercado