拆分Inj_code列并匹配对应日期列的R语言数据处理需求

针对你手头的ICD10数据集，这里提供两种实用方法，把它转换成ID|Injury_code|Date的长格式，方便后续分析：

方法一：使用tidyverse工具链（推荐） #

先加载tidyverse包，它整合了数据处理常用的dplyr、stringr、tidyr等工具：

library(tidyverse)

然后执行以下代码完成转换：

ICD10_long <- ICD10 %>%
  # 把每个ID的Inj_code按|拆分成编码列表
  mutate(Injury_code = str_split(Inj_code, "\\|")) %>%
  # 将Date_0到Date_4的宽格式日期转成长格式，自动丢弃空值
  pivot_longer(cols = starts_with("Date_"), 
               names_to = "Date_num", 
               values_to = "Date",
               values_drop_na = TRUE) %>%
  # 提取Date_后面的数字（比如Date_0提取0），用来匹配编码的位置
  mutate(num = as.integer(str_extract(Date_num, "\\d+"))) %>%
  # 按ID分组，根据数字匹配对应位置的编码（R列表索引从1开始，所以加1）
  group_by(ID) %>%
  mutate(Injury_code = map2_chr(num, Injury_code, ~ .y[.x + 1])) %>%
  # 保留需要的列，过滤空编码
  select(ID, Injury_code, Date) %>%
  filter(Injury_code != "") %>%
  ungroup()

代码说明： #

• str_split：把每个ID的多编码字符串拆成列表，每个元素对应一个编码
• pivot_longer：将分散的Date列转成统一的Date列，同时去掉空日期的行
• str_extract：提取日期列名里的数字，用来对应编码列表的索引
• map2_chr：按索引把日期和编码一一配对，确保每个编码对应正确的发生日期

方法二：Base R原生方法（无需额外包） #

如果不想加载第三方包，用Base R也能实现：

# 拆分每个ID的编码为列表
code_list <- strsplit(ICD10$Inj_code, "\\|")
# 获取每个ID的编码数量
code_counts <- sapply(code_list, length)
# 重复ID和编码，对应后续展开的日期行数
expanded_ID <- rep(ICD10$ID, code_counts)
expanded_codes <- unlist(code_list)
# 把日期列转成矩阵，按行展开后筛选非空值
date_matrix <- as.matrix(ICD10[, startsWith(names(ICD10), "Date_")])
expanded_dates <- c(t(date_matrix))
expanded_dates <- expanded_dates[expanded_dates != ""]
# 组合成最终的长格式数据框
ICD10_long_base <- data.frame(
  ID = expanded_ID,
  Injury_code = expanded_codes,
  Date = expanded_dates[1:length(expanded_codes)]
)

两种方法最终都会得到你需要的长格式数据，每一行对应一个受试者的一条损伤记录，包含ID、损伤编码和发生日期。

内容的提问来源于stack exchange，提问作者DW1310