简化R语言多列使用grepl与ifelse生成二元变量的方法

你的现有实现确实重复度很高，写起来麻烦还不容易维护，这里有几种更简洁的方法来实现需求，代码量少还更灵活：

方法一：Base R 极简实现 #

先把所有工作行业的列提取出来，利用向量化操作一行搞定一个变量：

# 先还原你的数据集
names <- c("person1", "person2", "person3")
job1_1_sector <- c("Private", "Public", "Private")
job2_1_sector <- c(NA, "Public", "Private")
job2_2_sector <- c("Private", "Public", "Other")
job3_1_sector <- c("Private", "Private", "Private")
job3_2_sector <- c("Other", "Public", "Other")
job3_3_sector <- c("Private", NA, "Private")
jobs <- cbind(job1_1_sector, job2_1_sector, job2_2_sector, job3_1_sector, job3_2_sector, job3_3_sector )
jobdata <- data.frame(names, jobs)

# 提取所有行业列（排除name列）
sector_cols <- jobdata[, -1]

# 生成三个二元变量
jobdata$private <- as.integer(rowSums(sector_cols == "Private", na.rm = TRUE) > 0)
jobdata$public <- as.integer(rowSums(sector_cols == "Public", na.rm = TRUE) > 0)
jobdata$other <- as.integer(rowSums(sector_cols == "Other", na.rm = TRUE) > 0)

逻辑说明： #

• sector_cols == "Private"会生成一个布尔矩阵，每个单元格标记对应位置是否为Private
• rowSums(..., na.rm = TRUE)计算每行中Private出现的次数，na.rm=TRUE自动忽略NA值
• > 0判断该行是否至少出现一次目标类别，最后用as.integer把TRUE/FALSE转成1/0

方法二：批量生成（最适合多类别场景） #

如果以后可能新增其他行业类别，用sapply批量处理更高效，只需要定义一次目标类别：

# 定义需要生成变量的目标行业
target_sectors <- c("Private", "Public", "Other")

# 批量生成二元变量矩阵
new_vars <- sapply(target_sectors, function(sector) {
  as.integer(rowSums(sector_cols == sector, na.rm = TRUE) > 0)
})

# 重命名列并合并到原数据集
colnames(new_vars) <- tolower(target_sectors)
jobdata <- cbind(jobdata, new_vars)

这样不管你要生成多少个二元变量，只需要修改target_sectors这个向量就行，完全避免重复代码。

方法三：Tidyverse 风格（更易读易扩展） #

如果你习惯用tidyverse生态的工具，用长格式转换的方式逻辑更清晰，扩展性也强：

library(dplyr)
library(tidyr)

# 转换为长格式，去重后转回宽格式生成二元变量
jobdata <- jobdata %>%
  pivot_longer(-names, values_to = "sector") %>% # 把所有行业列转成长格式
  drop_na(sector) %>% # 去掉NA值的行
  distinct(names, sector) %>% # 每个用户-行业只保留一条记录
  mutate(flag = 1) %>%
  pivot_wider(names_from = sector, values_from = flag, values_fill = 0) %>% # 转回宽格式，缺省补0
  rename_with(tolower) %>% # 把列名转成小写
  right_join(jobdata, by = "names") # 合并回原数据集，保证所有用户都保留

这种方法的好处是，哪怕以后数据集里新增了NonProfit这类新行业，代码不需要做任何修改，运行后会自动生成对应的nonprofit二元变量。

以上三种方法的输出结果和你原来的代码完全一致，但代码简洁度和可维护性提升了很多，你可以根据自己的习惯选择~

内容的提问来源于stack exchange，提问作者imprela