在R数据框中基于另一分类变量重编码分类变量的方法

先看示例数据和期望结果：

# 示例数据
df <- data.frame(
  Var1 = c(1, 2, 3, 4, 5),
  Var2 = c(NA, 20, 30, NA, 50)
)

# 期望得到的结果
#   Var1 Var2 Var3
# 1    1   NA    1
# 2    2   20   20
# 3    3   30   30
# 4    4   NA    4
# 5    5   50   50

下面是几种实用的实现方式：

方法1：Base R 原生实现 #

用ifelse()函数直接搞定，逻辑清晰：

df$Var3 <- ifelse(!is.na(df$Var2), df$Var2, df$Var1)

逻辑很简单：判断Var2是不是非NA，是就用Var2的值，不是就保留Var1的原值。

方法2：dplyr 风格实现 #

如果你习惯用tidyverse工具链，推荐这两种写法：

写法一：用if_else() #

library(dplyr)

df <- df %>%
  mutate(Var3 = if_else(!is.na(Var2), Var2, Var1))

if_else()比base R的ifelse()类型检查更严格，数据类型一致时用它更稳妥。

写法二：用coalesce()（更简洁） #

coalesce()会返回传入参数里第一个非NA的值，完美匹配你的需求：

df <- df %>%
  mutate(Var3 = coalesce(Var2, Var1))

这里先看Var2，只要它不是NA就用它，否则就用Var1，一行代码搞定。

方法3：data.table 高效实现 #

如果处理的是超大数据集，用data.table速度更快：

library(data.table)

# 用fifelse实现
setDT(df)[, Var3 := fifelse(!is.na(Var2), Var2, Var1)]

# 或者用fcoalesce更简洁
setDT(df)[, Var3 := fcoalesce(Var2, Var1)]

内容的提问来源于stack exchange，提问作者Hazem