R语言多列数据框转ID+数据点两列格式求助

Hey there! 作为R新手要处理百万级的宽表确实有点头大，别担心，我来给你一步步捋清楚怎么搞定转长表+用Comorbidity包分析的事儿～

第一步：把宽格式数据转成需要的长格式 #

因为你要处理数百万条记录，我给你推荐两种方法：一种是速度拉满适合大数据的data.table，另一种是语法直观新手友好的tidyr工具，你按需选就行：

方法1：用data.table（大数据首选，快到飞起） #

先装包加载：

install.packages("data.table")
library(data.table)

把你的数据转成data.table格式，再用melt函数一键转长：

# 假设你的原数据框名叫df
setDT(df) # 把普通数据框转成data.table
long_df <- melt(df, 
                id.vars = "ID",       # 保留ID列作为标识
                measure.vars = patterns("^Dx"), # 匹配所有Dx开头的列（Dx1到Dx33）
                variable.name = "Dx_col", # 暂时存原列名（比如Dx1）
                value.name = "Dx")    # 把诊断编码命名为Dx

# 要是不需要原列名（Dx1/Dx2这些），直接删掉就行
long_df[, Dx_col := NULL]

转完之后的结果就完全是你想要的结构啦：

ID Dx
1 12
1 11
1 0
2 3
2 1
...

方法2：用tidyr的pivot_longer（新手友好，语法好懂） #

如果你更习惯tidyverse的风格，用这个：

install.packages("tidyr")
library(tidyr)

long_df <- df %>%
  pivot_longer(cols = starts_with("Dx"), # 选所有Dx开头的列
               names_to = "Dx_col",      # 存原列名
               values_to = "Dx") %>%     # 诊断编码列名设为Dx
  select(-Dx_col) # 删掉不需要的原列名字段

第二步：用Comorbidity包做合并症分析 #

转好长表就可以用Comorbidity包啦，先装包加载：

install.packages("comorbidity")
library(comorbidity)

核心就是comorbidity()函数，参数设置很关键，我给你写好注释：

# 生成每个ID的合并症分组结果
comorb_df <- comorbidity(x = long_df, 
                         id = "ID",       # 指定ID列
                         code = "Dx",     # 指定诊断编码列
                         map = "icd10",   # 因为你的编码是ICD-10，必须对应上
                         assign0 = FALSE) # 划重点：如果你的Dx=0是「无诊断」，就改成TRUE，会自动排除；如果0是有效编码，就保持FALSE

运行完之后，comorb_df里会有每个ID对应的各种合并症分组（比如Charlson合并症里的糖尿病、心脏病这些），要是想算合并症得分也很简单：

# 计算Charlson合并症指数得分
comorb_df$charlson_score <- charlson(comorb_df)

给新手的小提醒 #

• 处理百万级数据优先选data.table，比tidyverse省内存还快很多
• 要是原数据里有NA值，转长表的时候可以加个na.rm = TRUE参数删掉（比如melt(..., na.rm = TRUE)）
• 用Comorbidity包前，先确认你的Dx编码是标准ICD-10格式，不然会导致分组出错哦

内容的提问来源于stack exchange，提问作者RROBINSON