R语言合并二元变量生成新cvd变量及缺失值处理实现方法

原代码使用paste(stroke,MI, BP)仅会将三个变量的取值拼接为字符串，未执行条件判断逻辑，无法生成符合规则的0/1编码cvd变量，以下是分场景的可直接运行实现代码。

无缺失值场景实现 #

赋值规则：三个变量任意一个取值为0则cvd=0，全为1则cvd=1，两种实现方式按需选择：

• 逻辑判断写法（可读性强）

koratest <- transform(
  koratest,
  cvd = ifelse(stroke == 0 | MI == 0 | BP == 0, 0, 1)
)

• 逐行取最小值写法（性能更优，适合大样本数据集）

# 只要行内存在0，逐行最小值即为0，否则为1，完全匹配规则
koratest$cvd <- pmin(koratest$stroke, koratest$MI, koratest$BP)

适配缺失值规则的实现 #

赋值规则：缺失值默认按1判定，任意行存在取值0则cvd=0，无取值0（无论是否含缺失值）则cvd=1，两种实现方式按需选择：

• 逻辑判断写法（可读性强，规则映射清晰）

koratest <- transform(
  koratest,
  cvd = ifelse(
    # 判断时临时将NA替换为1，不修改原变量取值
    replace(stroke, is.na(stroke), 1) == 0 |
    replace(MI, is.na(MI), 1) == 0 |
    replace(BP, is.na(BP), 1) == 0,
    0, 1
  )
)

• 逐行取最小值写法（简洁高效，大样本优先选择）

# 取逐行最小值时自动忽略NA，等价于NA按1判定的规则
koratest$cvd <- pmin(koratest$stroke, koratest$MI, koratest$BP, na.rm = TRUE)

规则有效性验证 #

用给出的含缺失值样例测试上述代码：

# 构建测试数据集
test_df <- data.frame(
  stroke = c(0,1,0),
  MI = c(1,NA,NA),
  BP = c(1,NA,1)
)
# 运行简洁版代码生成cvd
test_df$cvd <- pmin(test_df$stroke, test_df$MI, test_df$BP, na.rm = TRUE)
print(test_df)

输出结果完全匹配预期规则：

stroke MI BP cvd
1      0  1  1   0
2      1 NA NA   1
3      0 NA  1   0

注意事项 #

• 上述代码均基于base R编写，无需安装额外依赖包，可直接运行
• 代码为向量化运算，百万级样本量也可快速计算，无需编写逐行循环
• 若变量中存在0、1、NA之外的异常取值，需先完成数据清洗再运行代码

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