使用R语言case_when函数重新编码新变量时遇到的问题

我来帮你梳理下代码里的问题，以及对应的修正方案：

你的代码核心问题： #

1. 未保存管道操作结果：你第二个mutate用了管道，但没有把计算结果赋值回jungmodell，所以原数据框还是停留在第一个mutate的状态（也就是Identifikationsskala完全等于Parteinah），自然看不到编码后的变化。
2. 管道内错误引用数据框名：使用dplyr管道时，不需要用jungmodell$来调用列，直接写列名即可，这样代码更简洁，还能避免潜在的作用域问题。
3. 未提前筛选目标样本：你需要先排除Parteinah为-8、-9的无效样本，同时只保留Parteinah ==1或者parteisympathie为1-3的有效样本，再进行编码操作。

修正后的完整代码： #

# 筛选有效样本 + 创建新变量 + 保存回原数据框
jungmodell <- jungmodell %>%
  # 第一步：过滤掉无效样本，只保留需要的样本
  filter(
    Parteinah != -8,
    Parteinah != -9,
    (Parteinah == 1) | (parteisympathie %in% 1:3)
  ) %>%
  # 第二步：根据规则创建Identifikationsskala
  mutate(
    Identifikationsskala = case_when(
      Parteinah == 1 ~ 1,
      parteisympathie == 1 ~ 4,
      parteisympathie == 2 ~ 3,
      parteisympathie == 3 ~ 2,
      # 前面已经筛选过，这里理论上不会触发，用NA标记意外情况
      TRUE ~ NA_real_
    )
  )

代码细节解释： #

• filter步骤：先剔除Parteinah=-8/-9的无效样本，同时只保留两类有效样本——Parteinah=1的受访者，以及parteisympathie为1-3的受访者，确保后续编码只针对目标人群。
• mutate里的case_when：因为已经提前筛选过，Parteinah>=2的样本必然对应parteisympathie=1-3，所以不需要重复判断Parteinah>=2，直接根据parteisympathie的值完成反向编码即可，逻辑更简洁。
• 整个管道结果赋值回jungmodell，这样你的数据框就会更新为包含正确新变量的版本。

如果你不想删除无效样本，而是把这些样本的Identifikationsskala设为缺失值（比如NA），可以去掉filter步骤，调整case_when逻辑：

jungmodell <- jungmodell %>%
  mutate(
    Identifikationsskala = case_when(
      # 有效样本的编码规则
      Parteinah == 1 ~ 1,
      Parteinah >=2 & parteisympathie ==1 ~4,
      Parteinah >=2 & parteisympathie ==2 ~3,
      Parteinah >=2 & parteisympathie ==3 ~2,
      # 无效样本设为NA
      TRUE ~ NA_real_
    )
  ) %>%
  # 若需要完全移除NA样本，可加上这一步
  filter(!is.na(Identifikationsskala))

这样就能得到你想要的Identifikationsskala变量啦！

内容的提问来源于stack exchange，提问作者franca122