如何用R统计指定列词汇出现次数并生成表格，含多物质使用分析

前置依赖安装 #

如果尚未安装所需工具包，先运行以下代码安装：

install.packages(c("tidyverse", "openxlsx"))

问题1：同名诊断重复统计修复 #

出现同名诊断拆分统计的核心原因是原数据中逗号后带空格，拆分后部分诊断项带前导空格被识别为不同类别，修复代码如下：

# 加载工具包
library(tidyverse)
library(openxlsx)

# 读入数据：如果是xlsx格式，替换为 read_excel("你的文件路径.xlsx")
SUB_DATA <- read.csv("SUD_FILE.csv", stringsAsFactors = FALSE)

# 统计全人群各诊断总患病人数
diagnosis_total <- SUB_DATA %>%
  # 按逗号+任意数量空格拆分诊断项，自动去除前导空格
  mutate(diag_item = str_split(Dx.Axis.I, ",\\s*")) %>%
  unnest(diag_item) %>%
  # 按诊断分组计数
  count(diag_item, name = "总患病人数") %>%
  rename(诊断名称 = diag_item)

问题2：多诊断人群诊断统计 #

先筛选出诊断数量大于1的样本，再统计各诊断的患病人数：

diagnosis_multi <- SUB_DATA %>%
  mutate(diag_list = str_split(Dx.Axis.I, ",\\s*"),
         # 计算每行的诊断数量
         diag_count = lengths(diag_list)) %>%
  # 筛选同时患有1种以上诊断的人群
  filter(diag_count > 1) %>%
  unnest(diag_list) %>%
  count(diag_list, name = "多诊断人群患病人数") %>%
  rename(诊断名称 = diag_list)

结果导出为Excel #

可将两个统计结果存入同一个Excel的不同工作表：

output_list <- list(
  "全人群诊断统计" = diagnosis_total,
  "多诊断人群诊断统计" = diagnosis_multi
)

write.xlsx(output_list, file = "SUD诊断统计结果.xlsx", overwrite = TRUE)

内容的提问来源于stack exchange，提问作者Adnel Figueroa