我有大約 10,000 名患者的醫療資料。我想用每個患者的唯一 ID 替換他們的 ID/社會安全號碼 (Patient_SSN)。請注意，某些行具有相同的參與者 SSN，這是因為資料存盤在訪問級別。換句話說，每次訪問都存盤在一個新行中（即具有不同的日期），例如“Mary”和“John”資料。
Patient_Name = c("Alex", "Mary", "Sarah", "John", "Susan", "Jessica", "Sarah", "Karen", "Mary", "John")
Patient_SSN = c(1234, 43251, 9320, 2901, 3229, 4291, 9320, 9218988, 43251 , 2901)
Visit_Date = c('10_21', '10_21', '10_25', '10_25','10_26','10_27','10_28','10_28','10_28' ,'10_29')
BMI = runif(10, min=12, max =25);
data_hospital = data.frame(Patient_Name, Patient_SSN, BMI, Visit_Date)
我的問題是：如何用新 ID 替換每個 SSN 以保護參與者隱私，但請記住，某些行具有相同的 SSN？新 SSN/ID 的字符長度應與原始 Patient_SSN 字符的長度相同。預先感謝您的幫助。
uj5u.com熱心網友回復：
dplyr 有一個功能！退房?group_data：
library(dplyr)
data_hospital$newid <- data_hospital %>% group_indices(Patient_SSN)
Patient_Name Patient_SSN BMI Visit_Date newid
1 Alex 1234 21.70192 10_21 1
2 Mary 43251 18.75820 10_21 6
3 Sarah 9320 22.84921 10_25 5
4 John 2901 19.94831 10_25 2
5 Susan 3229 20.27007 10_26 3
6 Jessica 4291 14.39934 10_27 4
7 Sarah 9320 16.65728 10_28 5
8 Karen 9218988 17.99142 10_28 7
9 Mary 43251 20.71236 10_28 6
10 John 2901 12.67764 10_29 2
uj5u.com熱心網友回復：
一種方法是，如果您希望Pateint_SSN保留的長度，則生成一個介于 0 和 1 之間的亂數，并將其乘以10^(length_of_number)。
這不能保證它們是唯一的 ID，因此您需要檢查它并在有重復的情況下生成新的數字，但這不太可能發生。
library(dplyr)
data_hospital <- data_hospital %>% mutate(id_length = nchar(Patient_SSN))
data_hospital$random_number <- runif(n = nrow(data_hospital),min = 0, max = 1)
data_hospital <- data_hospital %>% mutate(new_id = round(random_number*10^id_length))
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/312483.html
標籤：r