在R中识别逻辑堆叠数据框的有效缺失值与无效NA

逻辑堆叠式问题里的NA分为「问题不适用」和「真正缺失」两类，核心判断逻辑是后续问题是否满足前置触发条件：只有当前置问题符合要求（如"踢足球"选"Yes"）时，后续问题的NA才是真正缺失；反之则为不适用。

步骤1：构造示例数据 #

先模拟符合场景的数据框，包含前置问题（是否参与某项运动）和对应后续问题（运动频率）：

df <- data.frame(
  id = 1:5,
  plays_soccer = c("Yes", "No", "Yes", "Yes", "No"),
  soccer_freq = c(3, NA, NA, 2, NA),
  plays_basketball = c("No", "Yes", "No", "No", "Yes"),
  basketball_freq = c(NA, 4, NA, NA, NA),
  stringsAsFactors = FALSE
)

步骤2：向量化处理（高效推荐） #

用dplyr::case_when可以清晰定义规则，比循环更高效：

# 加载dplyr包（未安装先执行install.packages("dplyr")）
library(dplyr)

# 标记NA类型
df <- df %>%
  mutate(
    soccer_freq_na_type = case_when(
      plays_soccer == "No" & is.na(soccer_freq) ~ "不适用",
      plays_soccer == "Yes" & is.na(soccer_freq) ~ "真正缺失",
      !is.na(soccer_freq) ~ "已回答"
    ),
    basketball_freq_na_type = case_when(
      plays_basketball == "No" & is.na(basketball_freq) ~ "不适用",
      plays_basketball == "Yes" & is.na(basketball_freq) ~ "真正缺失",
      !is.na(basketball_freq) ~ "已回答"
    )
  )

步骤3：循环实现（适用于多组问题） #

如果有大量成对的前置/后续问题，用循环批量处理更省心：

# 定义前置问题列与对应数据列的映射关系
question_pairs <- list(
  soccer = c(pre = "plays_soccer", data = "soccer_freq"),
  basketball = c(pre = "plays_basketball", data = "basketball_freq")
)

# 循环遍历每一组问题
for (pair in question_pairs) {
  pre_col <- pair["pre"]
  data_col <- pair["data"]
  na_type_col <- paste0(data_col, "_na_type")
  
  df[[na_type_col]] <- ifelse(
    df[[pre_col]] == "No" & is.na(df[[data_col]]),
    "不适用",
    ifelse(
      df[[pre_col]] == "Yes" & is.na(df[[data_col]]),
      "真正缺失",
      "已回答"
    )
  )
}

查看处理结果 #

执行print(df)即可看到标记后的完整数据，示例输出如下：

id plays_soccer soccer_freq plays_basketball basketball_freq soccer_freq_na_type basketball_freq_na_type
1  1          Yes           3               No              NA             已回答                  不适用
2  2           No          NA              Yes               4            不适用                   已回答
3  3          Yes          NA               No              NA            真正缺失                  不适用
4  4          Yes           2               No              NA             已回答                  不适用
5  5           No          NA              Yes              NA            不适用                  真正缺失

内容的提问来源于stack exchange，提问作者user20822481