R语言使用嵌套ifelse处理问卷排序题划分受访者类型咨询

原嵌套ifelse写法的问题 #

• 层级过多可读性极差，后续调整规则、新增分类时修改成本极高
• 存在返回值异常的坑：只要任意上层条件不满足，结果会返回NA而非你预期的0，后续统计时会漏掉这些样本

优化方案 #

场景1：仅需要判断单种符合条件的情况 #

直接用逻辑与&拼接所有判断条件，完全不需要嵌套，写法简洁不易出错：

test <- test %>%
  mutate(Ens_decouv = ifelse(
    Q75_1_ == "A8" & Q75_2_ == "A9" & Q75_3_ == "A1" & Q75_4_ == "A2" & Q75_5_ == "A7",
    1, 
    0
  ))

场景2：需要划分多种类别 #

用dplyr内置的case_when()函数，比嵌套ifelse的可读性提升数倍，每个规则和对应分类一一对应，调整非常方便：

test <- test %>%
  mutate(
    晨间习惯分类 = case_when(
      # 规则1：前5位顺序为A8>A9>A1>A2>A7
      Q75_1_ == "A8" & Q75_2_ == "A9" & Q75_3_ == "A1" & Q75_4_ == "A2" & Q75_5_ == "A7" ~ "晨间探索型",
      # 规则2：前3位顺序为A1>A3>A5
      Q75_1_ == "A1" & Q75_2_ == "A3" & Q75_3_ == "A5" ~ "效率优先型",
      # 更多规则直接按上面的格式新增即可
      # 所有规则都不匹配的样本归为其他
      TRUE ~ "其他类型"
    )
  )

场景3：分类规则数量极多（10条以上） #

可以提前把所有规则整理成一个规则表，再通过匹配的方式批量打标签，不用手动写几十条判断条件。

内容的提问来源于stack exchange，提问作者David Potrel