R语言多列种族编码变量合并为单列的报错问题求解

报错原因 #

你的所有hhm1_race开头的列都是字符型（从dput输出可见取值都带双引号），sum()函数无法直接对字符型数值做计算，所以触发类型错误。

现有代码快速修复 #

只需要在处理前先把所有目标列转为整数型即可：

NewRace %>%
  # 先把所有种族列转成整数型
  mutate(across(starts_with("hhm1_race"), ~as.integer(.x))) %>%
  mutate(
    new_race = as.integer(apply(across(starts_with("hhm1_race")), 1, which.max)),
    new_race_sum = apply(across(starts_with("hhm1_race")), 1, function(x) sum(x, na.rm = TRUE)),
    new_race = case_when(
      new_race_sum == 0 ~ NA_integer_,
      new_race_sum == 1 ~ new_race,
      new_race_sum > 1 ~ 99L
    )
  ) %>%
  select(-new_race_sum)

用dplyr原生的行向操作替代apply，语法更统一，性能也更好，适配两种常见的编码逻辑： #

方案1：直接读取列内存储的编码值 #

如果你的列内已经存储了对应种族的编码（如你提供的样例数据中，非0值已经是1/2/3/6等目标编码），用这个方案：

library(dplyr)

NewRace %>%
  # 转换所有种族列为整数
  mutate(across(starts_with("hhm1_race"), as.integer)) %>%
  rowwise() %>%
  mutate(
    # 提取当前行所有非0的种族编码
    vals = list(c_across(starts_with("hhm1_race"))[which(c_across(starts_with("hhm1_race")) != 0)]),
    # 按规则赋值：无选中→NA、单选中→对应编码、多选中→99
    new_race = case_when(
      length(vals) == 0 ~ NA_integer_,
      length(vals) == 1 ~ vals[[1]],
      length(vals) > 1 ~ 99L
    )
  ) %>%
  ungroup() %>%
  select(-vals)

方案2：按列名映射编码（更稳妥） #

如果列内只有0/1两种值，选中为1、未选中为0，需要自己指定列对应的种族编码，用这个方案，逻辑更可控：

library(dplyr)

# 先定义列名和种族编码的映射关系，可按需修改
race_map <- c(
  "hhm1_race___1" = 1, # 白人
  "hhm1_race___2" = 2, # 黑人
  "hhm1_race___hispanic" = 3, # 西班牙裔
  "hhm1_race___3" = 4,
  "hhm1_race___4" = 5,
  "hhm1_race___5" = 6
)

NewRace %>%
  rowwise() %>%
  mutate(
    # 提取当前行值为"1"的列名
    selected_col = list(names(which(c_across(starts_with("hhm1_race")) == "1"))),
    new_race = case_when(
      length(selected_col) == 0 ~ NA_integer_,
      length(selected_col) == 1 ~ race_map[selected_col[[1]]],
      length(selected_col) > 1 ~ 99L
    )
  ) %>%
  ungroup() %>%
  select(-selected_col)

内容的提问来源于stack exchange，提问作者lziegs