R语言批量处理200个文件时新变量生成逻辑异常排查

原代码的问题分析 #

1. 语法结构错误：原代码的if-else嵌套逻辑混乱，第一个if ("oldvar1" %in% names(data))的闭合括号位置错误，导致后续else无法正确匹配，会引发语法报错。
2. 逻辑判断错误：需求要求判断oldvar1是否所有观测值均为NA，但原代码用anyNA(data$oldvar1)判断是否存在NA——只要有一个NA就替换成oldvar2，完全违背了需求逻辑。
3. 变量覆盖问题：原代码中第一个if已经给new_var1赋值，但后续的if语句会无条件覆盖这个值，导致即使oldvar1有效，也可能被错误替换。

修正后的代码 #

# 创建新变量new_var1
if ("oldvar1" %in% names(data) && !all(is.na(data$oldvar1))) {
  # 存在oldvar1且并非所有值都是NA时，使用oldvar1
  data$new_var1 <- data$oldvar1
} else {
  # 不存在oldvar1，或oldvar1全为NA时，使用oldvar2
  data$new_var1 <- data$oldvar2
}

逻辑说明 #

• 用"oldvar1" %in% names(data)判断数据中是否存在oldvar1列
• 用!all(is.na(data$oldvar1))判断oldvar1不是所有值都是NA（即至少有一个有效非NA值）
• 只有当两个条件同时满足时，才将new_var1赋值为oldvar1；其余情况（不存在oldvar1，或oldvar1全为NA）都赋值为oldvar2

内容的提问来源于stack exchange，提问作者mgdata