如何用dplyr筛选仅选normal的受访者及normal+负面情绪的受访者

需求1：创建标识「仅选中normal」的变量 #

要筛选仅选中normal的受访者，需同时满足两个条件：

• emotions_normal 取值为1（选中normal）
• 其余所有情绪列（愤怒、焦虑、紧张、压力、开心）的取值均为0（未选中）

用dplyr的mutate结合rowSums即可实现，通过计算除normal外所有列的总和，总和为0就代表其他情绪都没选：

emotion_chart <- emotion_chart %>%
  mutate(is_only_normal = (emotions_normal == 1) & 
           (rowSums(select(., -emotions_normal)) == 0))

如果需要输出0/1格式而非逻辑值，将判断部分用as.integer()包裹即可：

emotion_chart <- emotion_chart %>%
  mutate(is_only_normal = as.integer((emotions_normal == 1) & 
           (rowSums(select(., -emotions_normal)) == 0)))

需求2：创建标识「选中normal且至少一种负面情绪」的变量 #

先定义负面情绪列：emotions_angry、emotions_anxious、emotions_nervous、emotions_stressed，需满足：

• emotions_normal 取值为1
• 上述负面情绪列中至少有一个取值为1

通过rowSums计算负面情绪列的总和，总和≥1就代表至少选中一种负面情绪：

# 定义负面情绪列名，方便后续调整范围
negative_emotions <- c("emotions_angry", "emotions_anxious", "emotions_nervous", "emotions_stressed")

emotion_chart <- emotion_chart %>%
  mutate(is_normal_plus_negative = (emotions_normal == 1) & 
           (rowSums(select(., all_of(negative_emotions))) >= 1))

同样，若需要0/1格式，用as.integer()包裹逻辑判断部分即可。

补充说明 #

• rowSums适合快速处理多列二值变量的逐行组合判断
• select(., -emotions_normal)用于排除normal列，直接判断其余情绪的选中情况
• 提前定义negative_emotions向量，后续调整负面情绪范围时只需修改该向量，代码可维护性更高

内容的提问来源于stack exchange，提问作者debussyn