R使用dplyr根据多列数值阈值条件创建因子分类新列

错误原因梳理 #

• 优先级倒置：case_when按从上到下的顺序匹配条件，你需求里High优先级最高（只要有值>20不管其他都返回High）、其次Medium、最后Low，你原来的代码顺序写反了，会导致高优先级条件被低优先级覆盖
• 列名拼写错误：示例数据中列名为CNV.Gain，你的代码写为CNV.gain，拼写不一致导致判断逻辑失效
• 逻辑规则错误：你需求是「任意一列满足条件即可匹配」，但原Low条件中误用了&要求多列同时满足，完全不符合需求
• 边界值匹配错误：原代码的区间判断存在大量边界错漏，比如Low要求≤10，你部分条件写的是<10，Medium要求>10，你部分条件写的是≥10，和需求不一致

修正后代码 #

写法1：直接按规则判断（逻辑清晰） #

library(dplyr)
long_fused <- long_fused %>%
  mutate(Percent_sample_altered = case_when(
    # 先判断最高优先级：任意列>20返回High
    Amplification >20 | CNV.Gain >20 | Homozygous.Deletion.Frequency >20 | Heterozygous.Deletion.Frequency>20 ~ 'High',
    # 再判断Medium：任意列>10且≤20
    Amplification >10 & Amplification <=20 | CNV.Gain >10 & CNV.Gain <=20 | Homozygous.Deletion.Frequency >10 & Homozygous.Deletion.Frequency <=20 | Heterozygous.Deletion.Frequency>10 & Heterozygous.Deletion.Frequency <=20 ~ 'Medium',
    # 最后判断Low：任意列≥5且≤10
    Amplification >=5 & Amplification <=10 | CNV.Gain >=5 & CNV.Gain <=10 | Homozygous.Deletion.Frequency >=5 & Homozygous.Deletion.Frequency <=10 | Heterozygous.Deletion.Frequency>=5 & Heterozygous.Deletion.Frequency <=10 ~ 'Low'
  ))

写法2：简化写法（取四列最大值判断，更简洁不易错） #

因为只要最高值满足对应区间即可，所以直接取每行四列的最大值判断即可：

library(dplyr)
long_fused <- long_fused %>%
  rowwise() %>%
  mutate(
    max_val = max(c_across(c(CNV.Gain, Amplification, Homozygous.Deletion.Frequency, Heterozygous.Deletion.Frequency))),
    Percent_sample_altered = case_when(
      max_val >20 ~ 'High',
      max_val >10 ~ 'Medium',
      max_val >=5 ~ 'Low'
    )
  ) %>%
  ungroup() %>%
  select(-max_val) # 可选，删除临时计算的最大值列

验证结果 #

用你提供的示例数据运行以上代码，得到的Percent_sample_altered列结果和你给出的Threshold列完全一致，符合需求。

内容的提问来源于stack exchange，提问作者KLM117