如何在R中对不同age_group的variant差异化设置prob_diff列值？

问题说明 #

age_group为双水平因子，variant是在不同age_group中数量不同的因子，prob对应各age_group下variant的概率。示例数据：

dat = tribble(
  ~age_group, ~variant, ~prob,
  "< 30", "Frohes neues Jahr", 0.429,
  "< 30", "Gutes neues Jahr", 0.143,
  "< 30", "Prosit Neujahr", 0.429,
  "> 50", "Frohes neues Jahr", 0.1,
  "> 50", "Gesundes neues Jahr", 0.1,
  "> 50", "Gutes neues Jahr", 0.2,
  "> 50", "Prosit Neujahr", 0.6
)

需要计算不同age_group间对应variant的概率差，同时对prob_diff列的NA值做差异化处理：

• 仅在单个age_group中存在的variant，将prob_diff设为1；
• 在两个age_group中都存在的variant，保留原计算逻辑产生的NA。

解决方案 #

可以通过分组后判断分组大小，结合条件赋值实现需求，代码如下：

library(dplyr)

dat %>%
  group_by(variant) %>%
  # 按age_group排序，保证差值计算顺序统一
  arrange(age_group) %>%
  mutate(
    prob_diff = case_when(
      # 单个age_group存在的variant，直接赋值1
      n() == 1 ~ 1,
      # 双age_group存在的，计算差值并在组末保留NA
      n() == 2 ~ c(prob[2] - prob[1], NA)
    )
  ) %>%
  relocate(prob_diff, .after = prob) %>%
  ungroup()

代码逻辑说明 #

1. 分组与排序：按variant分组，对组内age_group排序，确保差值计算顺序固定（如统一用>50组概率减去<30组概率）；
2. 条件赋值：
   • 用n()判断当前variant的记录数，记录数为1时直接赋值1；
   • 记录数为2时，计算两组概率差，并在组内最后一行保留NA，与原逻辑匹配；
3. 列位置调整：通过relocate将prob_diff移到prob列之后，便于对应查看。

运行后，Gesundes neues Jahr对应的prob_diff会被设为1，其余存在双组的variant将显示概率差，组内最后一行保留NA。

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