使用dplyr在R中将非互斥种族类别转换为互斥类别

问题 #

需要将非互斥的种族类别哑变量重新编码为互斥类别，要求用tidyverse的dplyr实现（已有baseR参考方案）：

• 数据里White、Black、Asian是0-1哑变量，1代表勾选对应种族，0代表没选
• 要创建新变量RaceCount：
  • 勾选超过1个种族 → 标记为Multiracial
  • 只勾选1个 → 直接用对应的种族名称
• 之前试了这段代码但结果不对：

df <- df %>% 
  group_by(White, Asian, Black) %>% mutate(RaceCount = n())

• 期望的输出示例：

ID White Black Asian RaceCount
1   1      0      0      White
2   1      0      0      White
3   1      0      0      White
4   1      0      1      Multiracial
5   1      0      1      Multiracial
6   0      0      1      Asian
7   0      1      0      Black
8   0      1      0      Black
9   1      0      0      White
10  0      1      0      Black

解决方案 #

用dplyr的行处理+条件判断就能搞定，这里给两种实现方式：

方式1：按行处理（直观易懂）

library(tidyverse)

df <- df %>%
  rowwise() %>% # 开启逐行计算模式
  mutate(
    # 计算当前行勾选的种族数量
    race_num = sum(c_across(White:Asian)),
    # 根据规则生成RaceCount
    RaceCount = case_when(
      race_num > 1 ~ "Multiracial",
      White == 1 ~ "White",
      Black == 1 ~ "Black",
      Asian == 1 ~ "Asian",
      # 处理全未勾选的边缘情况，不需要可删除
      TRUE ~ "Unknown"
    )
  ) %>%
  ungroup() %>% # 取消行分组，避免影响后续操作
  select(-race_num) # 删掉临时变量，可选

方式2：用rowSums（更高效，适合大数据）

如果数据量较大，rowwise()效率偏低，换成rowSums()更快捷：

df <- df %>%
  mutate(
    race_num = rowSums(select(., White:Asian)),
    RaceCount = case_when(
      race_num > 1 ~ "Multiracial",
      White == 1 ~ "White",
      Black == 1 ~ "Black",
      Asian == 1 ~ "Asian",
      TRUE ~ "Unknown"
    )
  ) %>%
  select(-race_num)

之前代码异常的原因

你之前的group_by(...) %>% mutate(RaceCount = n())逻辑是统计同一种族组合的行数，比如三个全0的组有多少条数据，而非判断当前行勾选的种族数量，结果自然不符合需求。

内容的提问来源于stack exchange，提问作者Reap409