在科学研究中免不了和数据打交道，收集到原始数据后我们经常需要对其进行清洗、转换才能得到我们需要的数据。

今天我总结了一下自己常用的一些多条件的数据转换方法，在临床中遇到问题能多一种选择，下面视频操作演示一下

代码：

library(survival)
library(foreign)
bc <- read.spss("E:/r/test/Breast cancer survival agec.sav",use.value.labels=F, to.data.frame=T)
# 这是个乳腺癌患者的生存数据，age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，
# histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，
# pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，
# time是生存时间，后面的agec是我们自己设定的，不用管它。#分类变量转成因子
bc$histgrad<-as.factor(bc$histgrad)
bc$er<-as.factor(bc$er)
bc$pr<-as.factor(bc$pr)
bc$ln_yesno<-as.factor(bc$ln_yesno)
names(bc)
bc <- na.omit(bc)# 假设我们想把年龄这个指标分成4个等分，然后比较不同年龄组的组间趋势P for trend，就是年龄分组对死亡率的影响。
# 按照上一篇文章《手把手教你R语言计算校正混杂因素后的P for trend》的方法之一，要算出每组年龄段患者的中位数值。
# 我们先按年龄通过百分比0-25%，25%-50%，50%-70%,70%-100%这个比较把年龄分为4个区间age3<-quantile(bc$age,c(0,.25,.50,.75,1))
age2<-cut(bc$age,breaks=c(age3),include.lowest=T,labels = c(0,1,2,3))#把age划分为4个等分到区间
bc$age2<-age2# 我们已经生成了年龄分段组（上图age2），我们接下来进行今天的主要内容：分别计算出每个分段的age2的中位数值，啥意思的呢？
# 就是age2等于0的这一组age(年龄)的中位数，然后age2等于1的这一组age(年龄)的中位数，如此类推。这就涉及到了变量的按条件转换。#1.subset函数
subset(bc$age,bc$age2==0)median(subset(bc$age,bc$age2==0))
median(subset(bc$age,bc$age2==0))
median(subset(bc$age,bc$age2==1))
median(subset(bc$age,bc$age2==2))
median(subset(bc$age,bc$age2==3))#2. which函数
which(bc$age2==0)bc[,"age"][which(bc[,"age2"]==0)]
median(bc[,"age"][which(bc[,"age2"]==0)])#3. with函数与by函数结合
newcode<-with(bc,by(age,age2,median))#4. tapply函数attach(bc)
tapply(age,age2, median)#5. dplyr包的分组摘要函数（group_by和summarize函数）
library(dplyr)
by_age<-group_by(bc,age2)
summarize(by_age,mid=median(age))  bc %>% group_by(age2)%>% summarize(mid=median(age))#6. select函数
select(filter(bc,age2 == 0),age)$age
median(select(filter(bc,age2 == 0),age)$age)#7.自己写个funtion#可以加深对函数的理解datamedian<-function(data,x,group){attach(data)m<-levels(group)n<-length(m)newcode<-median(subset(x,group==m[1]))if (n>2){for (i in 2:n){newcode1<-median(subset(x,group==levels(group)[i]))newcode<-append(newcode,newcode1)}}return(newcode)
} datamedian(data = bc,x=age,group=age2)