R语言：基于zscore数据框为data创建BMI超标判断条件列

数据结构 #

data 数据框（约6000条观测） #

> head(data)
  STATE MONTHS_AGE      BMI
1     1        122 15.29162
2     1        114 18.58449
3     1         78 16.40888
4     1        113 22.25390
5     1        136 18.25913
6     1         85 14.24700

zscore 数据框（月龄阈值表） #

> head(zscore)
# A tibble: 168 × 2
   Month  SD2
  <dbl> <dbl>
1    61  18.3
2    62  18.3
3    63  18.3
4    64  18.3
5    65  18.3
6    66  18.4
7    67  18.4
8    68  18.4
9    69  18.4
10   70  18.5

问题与错误分析 #

需要判断每个个体的BMI是否超过对应月龄的2倍标准差（即zscore中对应Month的SD2值），但原代码因数据框行数不匹配触发警告：

data <- data %>% 
  mutate(obesity = MONTHS_AGE == zscore$Month & BMI > zscore$SD2)

警告信息：

Warning message:
There were 2 warnings in `mutate()`.
 The first warning was:
  ℹ In argument: `data = MONTHS_AGE == zscore$Month & BMI > 
  zscore$SD2`.
  Caused by warning in `MONTHS_AGE == zscore$Month`:
  ! longer object length is not a multiple of shorter object length
   ℹ Run dplyr::last_dplyr_warnings() to see the 1 remaining 
   warning. 

原因是两个数据框行数差异大，R会循环短向量匹配长向量，导致比对逻辑完全错误。

解决方案 #

方法1：先关联阈值再判断（推荐） #

用left_join把zscore的对应月龄阈值匹配到data中，再新增判断列：

library(dplyr)

# 匹配对应月龄的SD2阈值，新增判断列
data <- data %>%
  left_join(zscore, by = c("MONTHS_AGE" = "Month")) %>%
  mutate(obesity = BMI > SD2)

如果data存在zscore中没有的月龄，SD2会出现NA，可按需处理（比如设为FALSE）：

data <- data %>%
  left_join(zscore, by = c("MONTHS_AGE" = "Month")) %>%
  mutate(obesity = ifelse(is.na(SD2), FALSE, BMI > SD2))

方法2：用match函数直接匹配阈值 #

无需合并数据框，直接在mutate中通过match定位对应阈值后判断：

data <- data %>%
  mutate(
    # 提取对应月龄的SD2阈值
    sd2_threshold = zscore$SD2[match(MONTHS_AGE, zscore$Month)],
    obesity = BMI > sd2_threshold
  )

同样，无匹配月龄的sd2_threshold会是NA，可通过ifelse统一处理。

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