R语言：基于列对创建新变量时的缺失值处理及批量实现

核心逻辑简化 #

你的缺失值处理规则可以转化为一个通用计算式：
coalesce(第一列, 0) + coalesce(第二列/7, 0)

• 当第一列非NA、第二列NA时，coalesce(第二列/7,0)为0，结果等于第一列
• 当第一列NA、第二列非NA时，coalesce(第一列,0)为0，结果等于第二列/7
• 两列都非NA时，直接执行第一列 + 第二列/7
• 两列都NA时，结果保持NA

批量实现方法 #

以下是几种高效的批量处理方式，根据你的列对规律选择：

方法1：手动指定列对（适合列对无固定规律） #

library(dplyr)
library(purrr)

# 定义列对分组，每组为(第一列, 第二列)
col_pairs <- list(c("a", "b"), c("c", "d"), c("e", "f"))
# 定义新变量名
new_vars <- paste0("new_var", seq_along(col_pairs))

df_new <- df %>%
  mutate(!!!set_names(map(col_pairs, ~ coalesce(df[[.[1]]], 0) + coalesce(df[[.[2]]]/7, 0)), new_vars))

方法2：按列位置自动分组（适合列对连续排列） #

如果你的列是严格按(a,b),(c,d),(e,f)这种连续配对的，无需手动列名：

library(dplyr)
library(purrr)

# 按每2列一组拆分列名
col_groups <- split(names(df), ceiling(seq_along(names(df))/2))
new_vars <- paste0("new_var", seq_along(col_groups))

df_new <- df %>%
  bind_cols(map_dfc(col_groups, function(g) {
    coalesce(df[[g[1]]], 0) + coalesce(df[[g[2]]]/7, 0)
  }) %>% set_names(new_vars))

方法3：使用rowwise+c_across（直观易读） #

如果需要更直观的逻辑表达，可以用rowwise逐行处理，适合列对数量较少的场景：

library(dplyr)

df_new <- df %>%
  rowwise() %>%
  mutate(
    new_var1 = ifelse(is.na(a), ifelse(is.na(b), NA, b/7), ifelse(is.na(b), a, a + b/7)),
    new_var2 = ifelse(is.na(c), ifelse(is.na(d), NA, d/7), ifelse(is.na(d), c, c + d/7)),
    new_var3 = ifelse(is.na(e), ifelse(is.na(f), NA, f/7), ifelse(is.na(f), e, e + f/7))
  ) %>%
  ungroup()

验证结果 #

运行上述代码后，新变量的结果示例：

a  b  c  d  e  f new_var1 new_var2 new_var3
1  0 NA  0  4 NA  0 0.000000 0.571429 0.000000
2  0  0 NA  0 NA NA 0.000000 0.000000       NA
3  1  1  1  0  0  0 1.142857 1.000000 0.000000
4  3  3  1  2  0  0 3.428571 1.285714 0.000000
5 NA  3  5  3  6  3 0.428571 5.428571 6.428571
6  0 NA  0 NA  1  5 0.000000 0.000000 1.714286
7  0  6 NA  1  1  1 0.857143 0.142857 1.142857
8 NA  4  0  4  0  4 0.571429 0.571429 0.571429

内容的提问来源于stack exchange，提问作者Meghan.S