如何在R中基于现有变量生成合并多类的二元分类变量

方法1：基础R ifelse实现 #

核心是用%in%运算符匹配指定分类，避免多条件判断的逻辑错误。假设你的数据集名为df，原宗教信仰分类变量名为religion，新生成的二值变量名为religion_binary，代码如下：

# 信教分类标记为1，其余不信教分类标记为0
df$religion_binary <- ifelse(df$religion %in% c(1:8, 11, 13, 14), 1, 0)

注意：如果原religion变量是字符类型，需要将右侧匹配向量的元素改为字符格式，例如c("1","2",..."14")；如果是因子类型，先转换为数值/字符再匹配，转换代码：df$religion <- as.numeric(as.character(df$religion))。

方法2：dplyr case_when实现（适配tidyverse生态，扩展性更强） #

如果日常使用tidyverse系列工具，可以用case_when写法，分支逻辑更清晰，也方便后续新增分类规则：

library(dplyr)
df <- df %>%
  mutate(religion_binary = case_when(
    # 匹配信教分类返回1
    religion %in% c(1:8, 11, 13, 14) ~ 1,
    # 匹配不信教分类返回0
    religion %in% c(9, 10, 12) ~ 0,
    # 可选：异常值/缺失值处理
    TRUE ~ NA_real_
  ))

结果验证 #

转换完成后可以用交叉表核对分类逻辑是否正确，避免匹配错误：

# 输出原分类和新二值变量的交叉统计，包含缺失值
table(df$religion, df$religion_binary, useNA = "ifany")

内容的提问来源于stack exchange，提问作者lena