使用dplyr合并数据集并按多条件创建新分类列问题咨询

1. NA_character_的定义 #

R中的缺失值NA是区分数据类型的，NA_character_是字符型专属的缺失值常量，同类的还有整数型的NA_integer_、数值型的NA_real_等。和直接写NA的区别是它强制限定了数据类型，不会出现新列类型不匹配的报错，适合需要提前明确列类型的场景。

2. dplyr实现代码 #

我们使用dplyr的case_when()函数实现多条件分支，该函数会按从上到下的顺序匹配条件，命中第一个符合的规则后就会停止判断，因此严格按照你给出的条件优先级编写逻辑即可：

# 加载dplyr包
library(dplyr)

# 假设你的数据集名为df，执行以下操作
df <- df %>%
  mutate(
    # 数值类型的分类列
    class_code = case_when(
      M9 == 1 & M15 == 1 ~ 1,
      C9 == 1 & C15 == 1 ~ 2,
      C9 == 0 & C15 == 0 & M9 == 0 & M15 == 0 ~ 3,
      (C9 == 1 & M15 == 0) | (C9 == 0 & M15 == 1) ~ 4,
      .default = NA_integer_
    ),
    # 字符类型的分类名称列（不需要可以删除）
    class_name = case_when(
      class_code == 1 ~ "Married",
      class_code == 2 ~ "Cohabiting",
      class_code == 3 ~ "Non-intact",
      class_code == 4 ~ "Delete",
      .default = NA_character_
    )
  )

注意事项 #

• 如果你的四个状态变量是字符型存储的"1"/"0"，需要把判断条件里的1、0加上引号，比如改为M9 == "1"
• 代码中.default参数会匹配所有未命中前面规则的行，包括四个变量任意一个为NA的情况，自动填充对应类型的缺失值，符合你的要求。

内容的提问来源于stack exchange，提问作者Tannya Kumar