In Vintea01/openNDB: NDBオープンデータをtidyにする

knitr::opts_chunk$set(echo = TRUE)
library(tidyverse)
library(readxl)
library(openxlsx)

元データ

https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/0000177221_00003.htmlより、 外来（院外）性年齢別薬効分類別数量

raw <- openxlsx::read.xlsx("../NDBdata/naifuku_gairai_ingai_sex_age.xlsx")
head(raw)

tidy化

読み込みと空欄埋め

最初の4行は無視して読み込む。

data <- openxlsx::read.xlsx("../NDBdata/naifuku_gairai_ingai_sex_age.xlsx")[-c(1:2),]

# , skip=4, col_names = FALSE, col_types = )
head(data)

セル結合によって生まれた空欄を直前の値で埋め立て

data <- tidyr::fill(data, 1, 2)
head(data)

性別と年齢がマルチカラムになっているのを直し、カラム名もつける

性別でテーブルを横で切って縦に結合する。その際にカラム名もつける

raw[2,]

男性ゾーンは10~30行目。

data_male <- select(data, 1:30) %>%
  rename(!!!setNames(names(select(data, 1:30)), c(raw[1,1:9], raw[2,10:30]))) %>%
  mutate(sex=0)
data_female <- select(data, 1:9, 31:51) %>%
  rename(!!!setNames(names(select(data, 1:9, 31:51)), c(raw[1,1:9], raw[2,10:30]))) %>% 
  mutate(sex=1)
data_sex <- bind_rows(data_male, data_female)
head(data_sex)

年齢も縦持ちにする

data_tidy <- data_sex %>% 
  pivot_longer(10:30, names_to = "age", values_to = "price")
head(data_tidy)

関数にまとめる

tidyNDB_xlsx <- function(xlsx){
  data <- openxlsx::read.xlsx(xlsx)[-c(1:2),] %>% 
    tidyr::fill(1, 2)
  data_male <- select(data, 1:30) %>%
  rename(!!!setNames(names(select(data, 1:30)), c(raw[1,1:9], raw[2,10:30]))) %>%
  mutate(sex=0)
  data_female <- select(data, 1:9, 31:51) %>%
    rename(!!!setNames(names(select(data, 1:9, 31:51)), c(raw[1,1:9], raw[2,10:30]))) %>% 
    mutate(sex=1)
  data_tidy <- bind_rows(data_male, data_female) %>% 
    pivot_longer(10:30, names_to = "age", values_to = "price")
  return(data_tidy)
}

data_tidy = tidyNDB_xlsx(xlsx="../NDBdata/naifuku_gairai_ingai_sex_age.xlsx")
head(data_tidy)

<<<<<<< HEAD

apache arrowにする

library(arrow)
write_parquet(data_tidy, "../NDBdata/naifuku_gairai_ingai_sex_age.parquet")

read_parquet("../NDBdata/naifuku_gairai_ingai_sex_age.parquet")

gh-pages

Vintea01/openNDB documentation built on Jan. 25, 2020, 1:48 a.m.