データ列に対する操作（tidyverseパッケージ）[R]

select( )を使って変数を指定して抽出する
rename( )で変数名を変更する
mutate( )で新しく変数を作成する
おわりに
参考資料

列、つまり変数に対する操作のまとめ。

ここでもsurvivalパッケージのpbcデータセット（の一部）を例として使う。

> library(survival)
> set.seed(1234)
> data(pbc)
> d <- pbc[1:6,1:6]
> d[6,2:6] <- NA 
> d
  id time status trt      age  sex
1  1  400      2   1 58.76523    f
2  2 4500      0   1 56.44627    f
3  3 1012      2   1 70.07255    m
4  4 1925      2   1 54.74059    f
5  5 1504      1   2 38.10541    f
6  6   NA     NA  NA       NA <NA>

tidyverseパッケージを読み込んでおく。

library(tidyverse)

select( )を使って変数を指定して抽出する

残したい変数名を指定する。

> d %>% select(id, age, sex)
  id      age  sex
1  1 58.76523    f
2  2 56.44627    f
3  3 70.07255    m
4  4 54.74059    f
5  5 38.10541    f
6  6       NA <NA>

除外したい変数はマイナスをつける（結果省略）。

d %>% select(-age, -sex)

変数の冒頭の文字列をもとに指定することも可能。

> d %>% select(starts_with("t"))
  time trt
1  400   1
2 4500   1
3 1012   1
4 1925   1
5 1504   2
6   NA  NA

tから始まるtimeとtrtが抽出された。
変数名による指定方法は他にもあるので下を参照のこと。

starts_with()：変数名が〜で始まる
ends_with()：変数名が〜で終わる
contains()：変数目に〜を含む

後々使いやすいように変数名を決めておくことが重要。

rename( )で変数名を変更する

「変更後の名前=元の名前」のように指定する。

> d %>% rename(gender=sex)
  id time status trt      age gender
1  1  400      2   1 58.76523      f
2  2 4500      0   1 56.44627      f
3  3 1012      2   1 70.07255      m
4  4 1925      2   1 54.74059      f
5  5 1504      1   2 38.10541      f
6  6   NA     NA  NA       NA   <NA>

実はselect( )を用いる段階で改名しておくこともできる。

d %>% select(id, age, gender=sex)

もし、他のtidyverse系関数が使えるのにselect( )だけエラーになるときは、MASSパッケージ内の同名の関数とバッティングしている可能性があるので、dplyr::select()とパッケージを明示すると解決するかも。

mutate( )で新しく変数を作成する

ここでは要約と違い、各行に対応する値を持つ変数を作成する。
（つまり変数ベクトルの長さは不変）

（多分）日単位のtimeを365.25で割って年単位に変換した変数time_yを作成する。

> d %>% mutate(time_y=time/365.25)
  id time status trt      age  sex    time_y
1  1  400      2   1 58.76523    f  1.095140
2  2 4500      0   1 56.44627    f 12.320329
3  3 1012      2   1 70.07255    m  2.770705
4  4 1925      2   1 54.74059    f  5.270363
5  5 1504      1   2 38.10541    f  4.117728
6  6   NA     NA  NA       NA <NA>        NA

単純な演算のほか、条件分岐で値を決めることもできる。
if_else()は、条件に合致したときに返す値、合致しなかったときに返す値を指定する。

> d %>% mutate(trt_AB = if_else(trt==1, "A", "B"))
  id time status trt      age  sex trt_AB
1  1  400      2   1 58.76523    f      A
2  2 4500      0   1 56.44627    f      A
3  3 1012      2   1 70.07255    m      A
4  4 1925      2   1 54.74059    f      A
5  5 1504      1   2 38.10541    f      B
6  6   NA     NA  NA       NA <NA>   <NA>

3つ以上のカテゴリーを持たせるときはif_else( )よりもcase_when( )が便利。
これは「条件 ~ それを満たす時の値」というように指定していく。
ただし条件は書いた順に優先されるので注意。

d %>% mutate(age_cat = case_when(age>=60 ~ "older",
                                 age<60 ~ "middle",
                                 age<50 ~ "young"))

  id time status trt      age  sex age_cat
1  1  400      2   1 58.76523    f  middle
2  2 4500      0   1 56.44627    f  middle
3  3 1012      2   1 70.07255    m   older
4  4 1925      2   1 54.74059    f  middle
5  5 1504      1   2 38.10541    f  middle
6  6   NA     NA  NA       NA <NA>    <NA>

例えば症例5では、3番目のage<50 ~ "young"よりも2番目のage<60 ~ "middle"が優先されてしまったため、意図したのと異なるカテゴリーが付与されてしまった。
正しくは以下のとおり（結果割愛）。

d %>% mutate(age_cat = case_when(age<50 ~ "young",
                                 age<60 ~ "middle",
                                 age>=60 ~ "older"))