根据从不同列获得的值创建新列，使用 R 中的 mutate() 和 case_when 函数

Question

我是一个对 R 比较陌生的学生，并且从浏览这里学到了很多东西，我最近一直被困在一些事情上，经过几个小时的尝试仍然无法弄清楚该怎么做。 让我们提出以下数据集：

ID Y1 Y2 Y3 Y4

1 0 0 1 1

2 0 0 0 0

3 不适用 不适用 不适用

我想创建一个新列，根据以下条件填充它：

1. 如果该行包含 1，则无论 NA 还是 0，都返回 1
2. 如果它包含 0 和 NA 的混合但不包含 1，则返回 0
3. 如果只包含 NA，则返回 NA

因此，使用上面的示例，我想得到以下信息：

ID Y1 Y2 Y3 Y4 结果

1 0 0 1 1 1

2 0 0 0 0 0

3 NA NA NA NA NA

但是，我尝试的代码：

Data2 <- Data %>% mutate(Outcome = case_when( 
                                Data$Y1 == "na" &
                                Data$Y2 == "na" &
                                Data$Y3 == "na" &
                                Data$Y4 == "na" ~ "na"))  %>%                                
          mutate(Outcome = case_when(Data$Y1 == 1 ~ "1", 
                                 Data$Y2 == 1 ~ "1", 
                                 Data$Y3 == 1 ~ "1",
                                 Data$Y4 == 1 ~ "1",
                                 TRUE ~ "No"))

将返回：

ID Y1 Y2 Y3 Y4 结果

1 0 0 1 1 1

2 0 0 0 0 0

3 不适用 不适用 不适用 0

这似乎忽略了条件 3，如果它只包含 na，则返回 na。

任何关于我做错了什么的指针将不胜感激。

请原谅格式，我不确定如何使它更漂亮，因为这是我第一次在这里提出问题。

提前谢谢了！

[编辑] 感谢 Shah，我注意到可能会造成混淆，对此我深表歉意。 我需要澄清一下，这只是数据集的一部分，以便理解这一点。 我正在处理一个包含更多列的大数据集，其中一些也有数值。

Answer 1

检查每一列（ Y1 ， Y2 ， Y3等）太乏味且不可扩展。 如果你有 100 列需要它，这将成为一个大问题。

如示例所示，您希望忽略第一列 ( ID ) 并在计算中包含所有其他列，您可以执行以下操作。 答案中的-1是忽略第一列ID 。

也可以使用is.na来比较NA值。

#Count number of non-NA values, this is used later to change the rows
#with all NA values to NA in outcome
non_NA <- rowSums(!is.na(df[-1]))
#Assign 1 if the count of 1 is greater than 0 in a row
df$Outcome <- as.integer(rowSums(df[-1], na.rm = TRUE) > 0)
#turn the outcome variable to NA for rows which has all NA values. 
df$Outcome[non_NA == 0] <- NA
df
#  ID Y1 Y2 Y3 Y4 Outcome
#1  1  0  0  1  1       1
#2  2  0  0  0  0       0
#3  3 NA NA NA NA      NA

数据

df <- structure(list(ID = 1:3, Y1 = c(0L, 0L, NA), Y2 = c(0L, 0L, NA
), Y3 = c(1L, 0L, NA), Y4 = c(1L, 0L, NA)), 
class = "data.frame", row.names = c(NA, -3L))

Answer 2

您可以使用dplyr rowwise函数尝试此操作，该函数分别处理每一行

library(dplyr)

df |> rowwise() |> 
mutate(Outcome = case_when(any(c_across(Y1:Y4) == 1) ~ "1" ,
 all(is.na(c_across(Y1:Y4))) ~ NA_character_ , TRUE ~ "0"))

• 输出

# A tibble: 3 × 6
# Rowwise: 
     ID    Y1    Y2    Y3    Y4 Outcome
  <int> <int> <int> <int> <int> <chr>  
1     1     0     0     1     1 1      
2     2     0     0     0     0 0      
3     3    NA    NA    NA    NA NA