R中跨多列mutate计算hscore时跳过NA值的dplyr实现方案
为什么直接计算会得到全NA结果
R的算术运算规则下,只要计算表达式里包含NA值,最终的运算结果就会返回NA,这就是直接套公式计算时hscore全为空的原因,完全不需要逐列写if_else判断来处理。
更稳妥的实现方案
你之前写的全表替换NA的代码有个小问题:replace(is.na(.),0)是对整个数据框做替换,会把subjid这类非目标列的空值也改成0,实际使用时很容易搞乱原始数据。下面两种写法都能实现目标,还不会踩上面的坑:
方案1:仅处理目标列,不影响其他数据
用dplyr的across函数批量指定要处理的列,后续哪怕新增pct_pvr相关的列,也不用修改代码:
library(dplyr) data <- data %>% # 只把pct_pvr开头的列里的NA替换为0 mutate(across(starts_with("pct_pvr"), ~replace_na(.x, 0))) %>% # 按给定公式计算hscore mutate(hscore = 0*pct_pvr_0 + 1*pct_pvr_1 + 2*pct_pvr_2 + 3*pct_pvr_3)
方案2:不改动原始列,直接计算hscore
如果需要保留原列的NA标识,不想把空值真的替换成0,可以用rowSums的参数实现,运行速度也更快:
data <- data %>% mutate( hscore = rowSums( cbind(0*pct_pvr_0, 1*pct_pvr_1, 2*pct_pvr_2, 3*pct_pvr_3), na.rm = TRUE # 行求和时跳过NA,等效于把NA当0计算 ) )
两种方法算出来的hscore值,和你之前全表替换后得到的结果完全一致。
内容的提问来源于stack exchange,提问作者Adam
相关产品推荐
相关产品推荐

