R语言dplyr如何基于多列条件简洁实现mutate条件赋值

无需逐列编写case_when判断条件，通过行级运算即可适配任意数量的待判断列，代码可复用性远高于手动写条件。

方法1：向量化实现（性能最优，大数据量推荐） #

核心逻辑：

1. 筛选出所有需要参与计算的列，排除Y类不需要判断的字段
2. 逐行计算待判断列的和：和不等于1时（即全0/多列同时为1），新列直接赋值0
3. 和等于1时，直接返回值为1的列的序号即可

library(dplyr)

# 测试数据
set.seed(123)
N<-10
mydata <- data.frame(Y1 = sample(0 : 1, N, replace = TRUE),
                     X1 = sample(0 : 1, N, replace = TRUE),
                     X2 = sample(0 : 1, N, replace = TRUE),
                     X3 = sample(0 : 1, N, replace = TRUE))

# 计算新列
mydata <- mydata %>%
  mutate(
    # 待判断列可灵活调整：支持前缀匹配、连续列选择、排除指定列等写法
    x_subset = across(starts_with("X")),
    row_total = rowSums(x_subset),
    Xfoo = ifelse(row_total == 1, max.col(x_subset, ties.method = "first"), 0)
  ) %>%
  # 删除计算过程的辅助列
  select(-x_subset, -row_total)

该写法为纯向量化运算，即使待判断列有上百个、数据量达百万级也能快速完成计算。

方法2：行式运算实现（逻辑直观，小数据量适用） #

如果偏好逐行判断的代码逻辑，可以用rowwise搭配c_across实现，代码可读性更强，但大数据量下性能弱于向量化写法：

mydata <- mydata %>%
  rowwise() %>%
  mutate(
    x_vals = c_across(starts_with("X")),
    Xfoo = ifelse(sum(x_vals) == 1, which(x_vals == 1), 0)
  ) %>%
  ungroup() %>%
  select(-x_vals)

补充说明 #

• 待判断列的筛选规则可以灵活调整：除了starts_with("X")匹配前缀，还支持X1:X20选连续列、!c(Y1, Y2)排除不需要参与计算的列
• 若待判断列存在缺失值，可以在rowSums()/sum()中加入na.rm = TRUE参数，避免结果返回NA
• 你之前尝试的c(X2, X3) == 0写法不生效的原因是：c(X2,X3)会把两列的所有值拼接为一个长向量，不是按行取当前行的X2、X3值做判断，因此会出现匹配错位。如果一定要在case_when中实现其他列全为0的判断，需要用if_all()写法：

  # 仅适合列数极少的场景
  mydata %>%
    mutate(
      Xfoo = case_when(
        X1 == 1 & if_all(c(X2,X3), ~.x == 0) ~ 1,
        X2 == 1 & if_all(c(X1,X3), ~.x == 0) ~ 2,
        X3 == 1 & if_all(c(X1,X2), ~.x == 0) ~ 3,
        TRUE ~ 0
      )
    )
  

  该写法依然需要逐列编写条件，列数较多时维护成本高，不推荐使用。

内容的提问来源于stack exchange，提问作者r0bt