R语言跨多列统计毒性特征变量并将结果保留至数据集的方法

代码出错的核心原因 #

• 逻辑规则错误：| 为逻辑或运算符，原有写法仅在最后一个条件判断了值是否为Fatigue，前面的Dataset$Toxicity.1|Dataset$Toxicity.2等判断逻辑为「该列是否为非空真值」，只要对应列有值就返回TRUE，和需求完全不符。
• 存在笔误：代码中Dataset被误写为Datase，且重复写了两次Toxicity.4，缺少第5个毒性列的判断。

方案1：基础R实现 #

写法1：直接补全逻辑判断 #

适合列数较少的场景，把每个列的判断条件写全即可：

Dataset$Fatigue.any.grade <- ifelse(
  Dataset$Toxicity.1 == "Fatigue" | 
  Dataset$Toxicity.2 == "Fatigue" | 
  Dataset$Toxicity.3 == "Fatigue" | 
  Dataset$Toxicity.4 == "Fatigue" | 
  Dataset$Toxicity.5 == "Fatigue",
  "Yes",
  "No"
)

写法2：用rowSums批量判断（更简洁易扩展） #

如果后续要增加毒性列，仅需要修改1:5的范围即可：

# 提取所有毒性列的列名
tox_cols <- paste0("Toxicity.", 1:5)
# 统计每行等于Fatigue的数量，大于0说明出现过疲劳毒性
Dataset$Fatigue.any.grade <- ifelse(
  rowSums(Dataset[tox_cols] == "Fatigue", na.rm = TRUE) > 0,
  "Yes",
  "No"
)

参数na.rm = TRUE可以避免数据中的NA值导致结果返回NA。

方案2：tidyverse/dplyr实现 #

用dplyr内置的if_any函数，语法更清晰，适合已经在使用tidyverse生态的场景：

library(dplyr)

Dataset <- Dataset %>%
  mutate(
    Fatigue.any.grade = ifelse(
      if_any(starts_with("Toxicity."), ~.x == "Fatigue"),
      "Yes",
      "No"
    )
  )

starts_with("Toxicity.")会自动匹配所有以Toxicity.开头的列，不需要手动写全列名。

内容的提问来源于stack exchange，提问作者r9ronaldor9