R语言：如何基于4个dummy variables生成技术采纳组合新变量

aggregate是用于跨分组聚合统计的函数，和你需要的逐行拼接采纳技术编号的行内处理逻辑不匹配，以下两种方法可以直接得到你预期的输出，处理14000行量级的数据完全没有性能压力。

核心逻辑 #

你的4个技术列顺序固定为tech1、tech2、tech3、tech4，逐行定位当前行中取值为"1"的列，把对应的列序号（即约定的技术编号1/2/3/4）拼接成字符串，即可生成符合格式要求的新变量。

实现方案 #

方案1：无额外依赖的基础R实现 #

性能最优，适合处理超大型数据表，代码如下：

# 筛选出所有tech开头的目标列
tech_cols <- grep("^tech[1-4]$", names(df), value = TRUE)
# 把目标列转成矩阵方便逐行处理
tech_mat <- as.matrix(df[, tech_cols])

# 逐行匹配值为"1"的列，拼接对应技术编号
df$Tech <- apply(tech_mat, 1, \(row) {
  paste(which(row == "1"), collapse = "")
})

运行输出结果和你给出的预期完全匹配：

• 第1行：tech1=1、tech2=1 → 拼接为"12"
• 第2行：仅tech2=1 → 拼接为"2"
• 第3行：tech2=1、tech3=1、tech4=1 → 拼接为"234"
• 第4行：仅tech2=1 → 拼接为"2"

注意：你当前的tech列是因子类型，代码里直接匹配实际存储的字符值"1"，不会出现因子层级编码和实际取值不匹配的判断错误。如果存在某一行所有技术都未采纳（即4列全为0）的情况，拼接结果会是空字符串，可以按需替换为自定义标识，例如：

df$Tech <- ifelse(df$Tech == "", "0", df$Tech)

方案2：tidyverse风格的流程化实现 #

代码可读性更强，适合和其他数据清洗步骤串联使用：

library(tidyverse)

df <- df %>%
  rowwise() %>%
  # 逐行定位取值为"1"的tech列，拼接对应编号
  mutate(Tech = str_c(
    which(c_across(starts_with("tech")) == "1"),
    collapse = ""
  )) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者lorlu