R语言进行日志整理：漏填住址、电话、职业统计

terrorist002

已于 2023-09-05 11:01:56 修改

阅读量126

点赞数

分类专栏：医院数据处理与分析文章标签： r语言大数据

于 2023-09-03 13:41:30 首次发布

本文链接：https://blog.csdn.net/terrorist002/article/details/132648788

版权

医院数据处理与分析专栏收录该内容

1 篇文章

订阅专栏

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。