在 Rstudio 中计算表格中额外列中各种文本字符串的熵

桑德拉，如前所述，如果你提供一个最小的可行例子，你会在这里找到很多朋友。阅读如何创建一个。

熵（和派生信息）是为系统状态的概率分布而定义的。因此，您可以定义状态并测量整个总体出现一种状态的概率。

• 下面我创建一个虚拟数据样本 - 根据您的情况进行调整，例如名称等。
• 我还使用 {tidyverse} 系列软件包来帮助您了解它是如何工作的（即定义您感兴趣的组/案例 ~ 状态）。

一、虚拟数据

让我们创建一个案例数据框：

library(dplyr)   # or library(tidyverse) - dplyr is one package for data crunching

# our dummy data
# we abbreviate DistEventsAllInfo_NOOUTL to df!
# to make the case, we name VERBATIM as GROUP!
# the variable VALUE is an arbitrary description
# we do not know your case, e.g. days of treatment?
# VALUE is a metric of your state!
df <- data.frame(
    GROUP = c("A LIGHT STOMACH", "A LIGHT STOMACH"
            , "LEFT ANKLE FRACTURE", "LEFT ANKLE FRACTURE",                                                          
              "WORSENING INCREASED CREATININE", "WORSENING INCREASED 
              CREATININE","WORSENING INCREASED CREATININE")
   ,VALUE = c(17, 11, 36, 48, 42, 15, 19)
)

这会产生：

df
                           GROUP VALUE
1                A LIGHT STOMACH    17
2                A LIGHT STOMACH    11
3            LEFT ANKLE FRACTURE    36
4            LEFT ANKLE FRACTURE    48
5 WORSENING INCREASED CREATININE    42
6 WORSENING INCREASED CREATININE    15
7 WORSENING INCREASED CREATININE    19

II. 数据处理 - 您使用的是哪个 entropy（） 函数？

目前尚不清楚您为该函数使用哪个包，或者是否您自己编写了此函数。entropy()

在包中，该函数需要一个数值变量（想想数据框的列）。{entropy}entropy()

因此，应用将引发错误。entropy(df$GROUP)

如果您已经编写了函数，请在此处发布。这样，我们就可以对函数的功能进行故障排除。

III. 使用 {entropy} 包函数 entropy（） 进行数据处理

在不分组的情况下对向量运行函数时得到的结果

library(entropy)
# we stress the package by using the entropy:: notation

df |> mutate(ENTROPY = entropy::entropy(VALUE))

                           GROUP VALUE  ENTROPY
1                A LIGHT STOMACH    17 1.816692
2                A LIGHT STOMACH    11 1.816692
3            LEFT ANKLE FRACTURE    36 1.816692
4            LEFT ANKLE FRACTURE    48 1.816692
5 WORSENING INCREASED CREATININE    42 1.816692
6 WORSENING INCREASED CREATININE    15 1.816692
7 WORSENING INCREASED CREATININE    19 1.816692

这里将整个总体视为 1 个组，因为您只向函数提供 VALUE 变量/列。entropy()

我们可以通过对案例进行“分组”来计算（注意：我将 VERBATIM 重命名为 GROUP 以使您更清楚）。entropy

df |> 
  group_by(GROUP) |>    # dplyr's grouping
  mutate(ENTROPY = entropy::entropy(VALUE))

# A tibble: 7 × 3
# Groups:   GROUP [3]
  GROUP                          VALUE ENTROPY
  <chr>                          <dbl>   <dbl>
1 A LIGHT STOMACH                   17   0.670
2 A LIGHT STOMACH                   11   0.670
3 LEFT ANKLE FRACTURE               36   0.683
4 LEFT ANKLE FRACTURE               48   0.683
5 WORSENING INCREASED CREATININE    42   0.995
6 WORSENING INCREASED CREATININE    15   0.995
7 WORSENING INCREASED CREATININE    19   0.995

{dplyr}计算组熵并将其注入新的列熵中。与上述类似，计算出的熵值作为每组的向量插入（即您将为每个组成员获得相同的值）。

您希望用于简化输出dplyr::summarise()

df |> 
  group_by(GROUP) |> 
  summarise(ENTROPY = entropy::entropy(VALUE))

# A tibble: 3 × 2
  GROUP                          ENTROPY
  <chr>                            <dbl>
1 A LIGHT STOMACH                  0.670
2 LEFT ANKLE FRACTURE              0.683
3 WORSENING INCREASED CREATININE   0.995