提前声明:写代码是为了方便工作需要,节省了时间,提高了效率,也避免了人工造成的错误和纰漏。
门诊日志要求住址、电话、职业填写率达标,按月统计,对于小地方还是可以手动搞定,但是对于大量门诊数的地方,手动,三天三夜也干不完啊。所以手搓代码,用R语言搞,之前有点基础,加上网上找找资料,大概用了一周完成。
程序用的base包,没用最流行的tidyverse包。后面的文章会慢慢讲,因为写了一篇论文,用到了。确实好用。
好了进入正题,上代码:
第一步 当然是导入数据了,7月份的日志,包括很多变量名,我们根据身份证取个重复;然后再把缺失值赋值0,不然后面会报错
---
title: "门诊日志填写情况"
author: "一条浪荡不羁的狗"
date: "2023-06-10"
location: "X二院"
output: html_document
vesion: "0.2(无限制版)"
20150518: "不忘初鑫"
---
mzrz <- read.csv("/2023.7mzrz.csv", header=TRUE,stringsAsFactors = FALSE, fileEncoding = "GB18030")
quchongmzrz <- mzrz[!duplicated(mzrz$身份证号码),] #根据身份证号去重
quchongmzrz[is.na(quchongmzrz)] <- 0 #很奇怪,为什么联系方式导入后出现缺失值了呢
第二步 统计下数据中有多少科室,之前把所有课室全部手动填写了, 后来发现每个月会有那么一点点变得,所以直接对科室去重并赋值给一个变量mzks。接下来就是做一个包括各科室和我们需要统计的如门诊量,住址缺失的这些变量的表格了。最后把不符合住址要求的值放在一个向量中。
mzks <- mzrz[!duplicated(mzrz$挂号科室),] #去除重复的门诊科室
queshitj <- matrix(nrow=(nrow(mzks)),ncol=4) #统计行数(也就是门诊数),并生成“行”*4的矩阵
queshitj <- data.frame(queshitj) #将矩阵转换为数据框
queshitj[is.na(queshitj)] <- 0 #将缺失值填充未0
rownames <- (mzks[,"挂号科室"]) #把每一行的科室名放入rownames中
columnnames <- c("门诊量", "住址缺失数", "缺失职业统计", "联系方式缺失")
names(queshitj) <- columnnames
row.names(queshitj) <- rownames
wxzz <- c("", "XX", "XX省XX市XX区", "XX省XX市XX区XX镇", "XX市XX区XX镇", "XX市XX区", "XX区XX镇", "XX镇", "xx", c(0:10)) #无效住址
第三步 开始骚操作了,门诊量和缺失地址统计,两个for嵌套,if嵌套。当时很有灵感,多亏大学C语言认真听了。可能还有更简单的方法。
# 缺失地址统计 第二个if语句要嵌套在第一个if语句中,在需要核对的文件中根据科室进行统计科室数量的过程中,顺便核对是否是缺失地址
for ( n in 1:nrow(quchongmzrz)){
for (i in 1:nrow(queshitj)){
if(quchongmzrz[n,"挂号科室"] == rownames(queshitj)[i])
{queshitj[i,"门诊量"] <- queshitj[i,"门诊量"] + 1
if (quchongmzrz[n,"现住址"] %in% wxzz)
queshitj[i,"住址缺失数"] <- queshitj[i,"住址缺失数"] + 1}}
}
queshitj
第四步 对职业的统计,和上面差不多。
#缺失职业统计
for ( n in 1:nrow(quchongmzrz)){
for (i in 1:nrow(queshitj)){
if(quchongmzrz[n,"挂号科室"] == rownames(queshitj)[i])
{
if (quchongmzrz[n,"职业"] == "")
queshitj[i,"缺失职业统计"] <- queshitj[i,"缺失职业统计"] + 1}}
}
queshitj
第五步 联系方式的统计,同上。对于不是11位或者8位字符的联系方式判定为缺失。
#缺失联系方式统计
for ( n in 1:nrow(quchongmzrz)){
for (i in 1:nrow(queshitj)){
if(quchongmzrz[n,"挂号科室"] == rownames(queshitj)[i])
{
if (!(nchar(quchongmzrz[n,"联系电话"]) == 11 | nchar(quchongmzrz[n,"联系电话"]) == 8| nchar(quchongmzrz[n,"家庭电话"]) == 11 | nchar(quchongmzrz[n,"家庭电话"]) == 8 ))
queshitj[i,"联系方式缺失"] <- queshitj[i,"联系方式缺失"] + 1} }
}
queshitj
最后就是导出结果了。个人建议导出为csv的文件格式,这样不用加载其他数据包。
其实第三、四、五步可以合在一起的。只是单位电脑配置局限,分开运行不会死机。这些工作两个人搞至少两天,现在5分钟轻松搞定。单位的数据后面准备搞大数据分析,应用R语言进行处理,真的事半功倍。
方法来自《R语言实战第二版》,编写中遇到的问题网上找了很多资料,不再一一列举。