從 R 的數據框中的現有列創建新的競爭變量（使用 case_when 函數）

Question

我正在處理來自全國健康訪談調查的數據，並試圖將種族變量簡化為 5 個桶。 我想從現有數據中創建一個名為“RACE”的新列，其中包括亞洲 =1、黑人=2、白人（非西班牙裔）=3、西班牙裔=4、其他=5。 目前，種族變量的標題為“RACEA”，包括幾個表示種族的代碼，如下所示：

411, 412, 416, 434= Asian 200=Black 100=White 310,580,600=Other

但是，表示西班牙裔的變量是一個名為 HISPETH 的單獨變量。 有了這個變量，

10=non-Hispanic 20,23,30,40,50,61,62,63,70=Hispanic

因此，要創建白色（非西班牙裔）和西班牙裔值，我需要 R 來使用 RACEA 和 HISPETH 的列值。

這是我嘗試運行以執行所有這些操作的代碼，但我遇到了錯誤消息，即“object 長度越長不是更短 object 長度的倍數”，用於顯示 HISPETH 值列表的部分以下。

我應該怎么辦？ 我願意使用除 case_when 之外的其他函數，這正是我過去使用過的。 謝謝！

`NHIS_test <- NHIS1 %>% 
      mutate(RACE = case_when(RACEA <= 411 ~ '1', 
                              RACEA <= 412 ~ '1', 
                              RACEA <= 416 ~ '1', 
                              RACEA <= 434 ~ '1', 
                              RACEA <= 200 ~ '2',
                              RACEA <= 100 & HISPETH <= 10 ~ '3',
                              HISPETH <= c(20:70) ~ '4', 
                              RACEA<=100 & HISPETH <= c(20,23,30,40,50,61,62,63,70) ~ '4', 
                              RACEA <= 310 ~ '5', 
                              RACEA <= 580 ~ '5',
                              RACEA <= 600 ~ '5',
                              TRUE ~ 'NA'))`

Answer 1

要比較單個值，您應該使用== ，比較多個值使用%in% 。

library(dplyr)

NHIS_test <- NHIS1 %>% 
                mutate(RACE = case_when(
                  RACEA %in% c(411, 412, 416, 434) ~ 1, 
                  RACEA == 200 ~ 2, 
                  RACEA == 100 & HISPETH == 10 ~ 3,
                  RACEA == 100 & HISPETH %in% c(20,23,30,40,50,61,62,63,70) ~ 4, 
                  RACEA %in% c(310, 580, 600) ~ 5))

如果上述條件都不滿足，則默認返回NA 。