在R语言中如何按行内排名将数据框的治疗天数转为顺序标签？

问题描述 #

现有一个包含样本列和多列治疗天数的数据框，治疗列中未接受治疗的值为NA（字符型）。需要将每行的治疗天数按从小到大排序，把最小值替换为First，次小值替换为Second，第三小值替换为Third，NA保持不变。

示例输入 #

df = data.frame(samples = LETTERS[1:5],
            Treatment_A = c(NA, "3", NA, "10", "12"),
            Treatment_B = c("12", NA, NA, "15", "5"),
            Treatment_C = c(NA, NA, "5", "8", NA))

期望输出 #

df_output = data.frame(samples = LETTERS[1:5],
            Treatment_A = c(NA, "First", NA, "Second","Second"),
            Treatment_B = c("First", NA, NA, "Third","First"),
            Treatment_C = c(NA, NA, "First", "First", NA))

解决方案 #

首先注意输入的治疗列是字符型，需要先转换为数值型才能进行排名计算，以下提供两种可行方法：

方法1：使用tidyverse工具链（dplyr）

library(dplyr)

# 定义排名到标签的映射向量
rank_labels <- c("First", "Second", "Third")

df_output <- df %>%
  # 将治疗列转换为数值型
  mutate(across(starts_with("Treatment_"), as.numeric)) %>%
  # 按行处理每一条样本数据
  rowwise() %>%
  mutate(
    # 提取当前行的治疗天数，计算排名（最小天数对应排名1）
    row_ranks = list(rank(c_across(starts_with("Treatment_")), na.last = NA, ties.method = "min")),
    # 将每个治疗列的排名映射为对应标签，NA保持不变
    across(starts_with("Treatment_"), ~ ifelse(is.na(.), NA, rank_labels[.x]))
  ) %>%
  # 移除临时生成的row_ranks列
  select(-row_ranks) %>%
  ungroup()

# 查看最终结果
df_output

方法2：使用Base R的apply函数

# 提取治疗列并转换为数值矩阵
treat_mat <- as.matrix(df[, -1])
mode(treat_mat) <- "numeric"

# 按行计算每个治疗天数的排名，忽略NA值
row_ranks <- apply(treat_mat, 1, function(x) {
  rank(x, na.last = NA, ties.method = "min")
})

# 定义排名对应的标签
rank_labels <- c("First", "Second", "Third")

# 将排名替换为对应标签，保留原始NA
treat_labels <- apply(row_ranks, 2, function(x) {
  ifelse(is.na(x), NA, rank_labels[x])
})

# 组合样本列和处理后的治疗标签列，得到最终数据框
df_output_base <- cbind(df[, 1], as.data.frame(treat_labels))
colnames(df_output_base) <- colnames(df)

# 查看最终结果
df_output_base

关键说明 #

• ties.method = "min"：确保相同天数的治疗会被赋予同一排名（即相同天数对应同一个标签）
• na.last = NA：计算排名时忽略NA值，原始NA会保持不变

内容的提问来源于stack exchange，提问作者DWFotos