使用dplyr的case_when创建新列时的NA特殊处理问题

样本数据框 #

x <- data.frame(x1 = c(NA, 1, 1, 0, 0 , NA),
                x2 = c(1, NA, 0, 0, NA, 0),
                x3 = c(0, NA, NA, 1, 0, 1),
                x4 = c(NA, 1, 1, NA, 0, 0))

需求说明 #

需要创建score列，规则如下：

• 第一组（x1、x2）：
  • 若x1或x2为1，加1分
  • 若x1和x2均为0，加0分
  • 其他情况记为NA
• 第二组（x3、x4）：
  • 若x3或x4为1，加1分
  • 若x3和x4均为0，加0分
  • 其他情况记为NA
• 最终score为两组得分之和，且需忽略NA（即NA按0处理），期望结果为1, 2, 2, 1, 0, 1

问题分析 #

• 直接相加两组case_when结果时，只要其中一组为NA，整体结果就会变成NA（R中NA与任何值运算结果都是NA）
• 使用全局sum(..., na.rm=T)会对整个向量求和，得到单一值，无法实现逐行计算

解决方案 #

方法1：分步计算（清晰直观） #

先分别计算两组得分，再逐行求和并忽略NA：

library(dplyr)

x <- x %>%
  mutate(
    # 计算第一组得分
    part1 = case_when(
      x1 == 0 & x2 == 0 ~ 0L,
      x1 == 1 | x2 == 1 ~ 1L,
      TRUE ~ NA_integer_
    ),
    # 计算第二组得分
    part2 = case_when(
      x3 == 0 & x4 == 0 ~ 0L,
      x3 == 1 | x4 == 1 ~ 1L,
      TRUE ~ NA_integer_
    ),
    # 逐行求和，自动忽略NA
    score = rowSums(cbind(part1, part2), na.rm = TRUE)
  )

方法2：简洁写法（无需中间列） #

直接在rowSums中嵌套两组case_when逻辑：

library(dplyr)

x <- x %>%
  mutate(
    score = rowSums(
      cbind(
        case_when(x1 == 0 & x2 == 0 ~ 0L, x1 == 1 | x2 == 1 ~ 1L, TRUE ~ NA_integer_),
        case_when(x3 == 0 & x4 == 0 ~ 0L, x3 == 1 | x4 == 1 ~ 1L, TRUE ~ NA_integer_)
      ),
      na.rm = TRUE
    )
  )

运行后score列将得到期望的1, 2, 2, 1, 0, 1。

内容的提问来源于stack exchange，提问作者rez