如何用case_when结合Flag=1时Z的中位数创建分类变量？

核心思路 #

先计算Flag=1分组下Z的中位数，再通过case_when按规则匹配分类结果。

方案一：高效实现（推荐） #

先一次性计算中位数并存储为临时列，再用该列做判断，避免重复计算：

library(dplyr)

# 假设数据集名为df
df <- df %>%
  # 计算Flag=1对应的Z的中位数，生成临时列
  mutate(flag1_z_median = median(Z[Flag == 1], na.rm = TRUE)) %>%
  # 按规则生成NewCol
  mutate(NewCol = case_when(
    Flag == 2 ~ "Flag2",
    Flag == 1 & Z >= flag1_z_median ~ "GT EQ Median",
    Flag == 1 & Z < flag1_z_median ~ "LT Median",
    # 处理其他未匹配的Flag值（按需调整）
    TRUE ~ NA_character_
  )) %>%
  # 移除临时中位数列（可选）
  select(-flag1_z_median)

方案二：简化写法（适合小数据集） #

直接在case_when中嵌入中位数计算，代码更简洁但会重复计算中位数，大数据集效率较低：

library(dplyr)

df <- df %>%
  mutate(NewCol = case_when(
    Flag == 2 ~ "Flag2",
    Flag == 1 & Z >= median(Z[Flag == 1], na.rm = TRUE) ~ "GT EQ Median",
    Flag == 1 & Z < median(Z[Flag == 1], na.rm = TRUE) ~ "LT Median",
    TRUE ~ NA_character_
  ))

注意事项 #

• 加上na.rm = TRUE是为了忽略Z列中的缺失值，避免中位数计算报错，可根据实际数据情况调整。
• 如果数据中存在Flag既不是1也不是2的情况，最后一行TRUE ~ NA_character_会将这些行的NewCol设为缺失值，可根据需求修改默认值。

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