在R中基于5个哑变量构建带阈值的新变量方法咨询

嘿，我来帮你搞定这个R语言的变量构建问题！你的核心需求是根据5个0/1哑变量中取值为1的数量，设置不同阈值来生成新变量，下面给你几种简洁高效的实现方法：

方法一：用rowSums()实现（最推荐，简洁高效） #

因为你的5个变量都是0/1哑变量，直接对每行的这5个变量求和，就能快速得到该行中取值为1的变量个数，接着用ifelse()就能轻松设置阈值判断：

示例1：阈值为「至少1个变量为1」（修正你原来的代码） #

你原来的代码存在语法错误（多了一个多余的|），用rowSums()可以更简洁地实现：

# 选择5个哑变量，对每行求和，判断是否≥1，是则赋值1，否则0
dta$new.variable <- ifelse(rowSums(dta[, c("variable1", "variable2", "variable3", "variable4", "variable5")]) >= 1, 1, 0)

示例2：阈值为「至少2个变量为1」 #

这正是你提到的需求，只需要修改判断条件的阈值即可：

dta$new.variable <- ifelse(rowSums(dta[, c("variable1", "variable2", "variable3", "variable4", "variable5")]) >= 2, 1, 0)

示例3：自定义输出结果（比如"true"/"false"） #

如果不需要输出0/1，而是想要"true"或其他自定义文本，直接修改ifelse()的返回值就行：

# 当至少2个变量为1时输出"true"，否则输出"false"
dta$new.variable <- ifelse(rowSums(dta[, c("variable1", "variable2", "variable3", "variable4", "variable5")]) >= 2, "true", "false")

# 也可以自定义其他文本，比如"达标"/"未达标"
dta$new.variable <- ifelse(rowSums(dta[, c("variable1", "variable2", "variable3", "variable4", "variable5")]) >= 3, "达标", "未达标")

方法二：扩展逻辑判断（适合理解底层逻辑，变量少的时候可用） #

如果你想延续原来的逻辑写法，也可以列出所有满足条件的组合，但这种方式在变量多的时候会非常繁琐，比如「至少2个变量为1」的情况：

dta$new.variable <- ifelse(
  (dta$variable1 == 1 & dta$variable2 == 1) |
  (dta$variable1 == 1 & dta$variable3 == 1) |
  (dta$variable1 == 1 & dta$variable4 == 1) |
  (dta$variable1 == 1 & dta$variable5 == 1) |
  (dta$variable2 == 1 & dta$variable3 == 1) |
  (dta$variable2 == 1 & dta$variable4 == 1) |
  (dta$variable2 == 1 & dta$variable5 == 1) |
  (dta$variable3 == 1 & dta$variable4 == 1) |
  (dta$variable3 == 1 & dta$variable5 == 1) |
  (dta$variable4 == 1 & dta$variable5 == 1),
  1, 0
)

显然这种方式扩展性很差，变量越多代码越冗长，所以更推荐第一种方法。

额外小技巧：简化变量选择（如果变量命名有规律） #

如果你的5个哑变量命名有统一规律（比如都是variable开头加数字），可以用dplyr包的starts_with()来简化变量选择：

library(dplyr)

# 用dplyr的mutate函数创建新变量，阈值设为至少2个为1
dta <- dta %>%
  mutate(new.variable = ifelse(rowSums(select(., starts_with("variable"))) >= 2, 1, 0))

内容的提问来源于stack exchange，提问作者Lualo