read.csv 中的 na.string 和 dplyr::mutate 中的 ifelse 函数答案

【问题标题】：na.string in read.csv and ifelse function in dplyr::mutateread.csv 中的 na.string 和 dplyr::mutate 中的 ifelse 函数
【发布时间】：2016-11-21 22:42:04
【问题描述】：

我使用了两种方法将数据（CSV 格式）导入 R。第一种方法没有 na.string 参数，而第二种方法有。我使用了第二个，因为某些字符串在导入后显示为"" 而不是NA，并且我想将所有缺失值标准化为NA。

data1<-read.csv("file.csv",stringsAsFactors=FALSE)
data2<-read.csv("file",stringsAsFactors=FALSE,na.string="")

我有 3 个变量作为指标。他们给"X" 表示是，""/NA 表示否。我尝试将以下函数应用于上面的data1 和data2。

df1<-data1%>%
     mutate(Indicator_Institution=ifelse(Indicator_A=="X",1,
                                  ifelse(Indicator_B=="X",2,
                                  ifelse(Indicator_C=="X",3,NA))))
df2<-data2%>%
     mutate(Indicator_Institution=ifelse(Indicator_A=="X",1,
                                  ifelse(Indicator_B=="X",2,
                                  ifelse(Indicator_C=="X",3,NA))))

df1 的ifelse 函数遍历所有条件，而df2 只运行第一个条件。知道为什么吗？ na.string="" 的论点有什么不同？

可重现的例子：

    > dput(droplevels(head(data1)))
structure(list(Indicator_A = c("X", "X", "X", "X", "", ""), 
    Indicator_B = c("", "", "", "", "X", "X"), Indicator_C = c("", 
    "", "", "", "", "")), .Names = c("Indicator_A", "Indicator_B", 
"Indicator_C"), row.names = c(NA, 6L), class = "data.frame")

> dput(droplevels(head(data2)))
structure(list(Indicator_A = c("X", "X", "X", "X", NA, NA), 
    Indicator_B = c(NA, NA, NA, NA, "X", "X"), Indicator_C = c(NA_character_, 
    NA_character_, NA_character_, NA_character_, NA_character_, 
    NA_character_)), .Names = c("Indicator_A", "Indicator_B", 
"Indicator_C"), row.names = c(NA, 6L), class = "data.frame")

【问题讨论】：

请展示一个可重现的例子。如果没有示例，其他人将如何知道您的数据中发生了什么。 na.string="" 会将所有空白更改为 NA。根据您之前的问题here，您似乎希望其他人做猜测。
实际上，我不太确定如何展示可重现的示例。数据框是通过导入 csv 文件获得的，而不是在 R 本身中创建的。关于如何改进我的答案的任何建议？
您可以在dput 中包含一个可重现的示例。即dput(droplevels(head(yourdata))) 另外，它是na.strings 而不是na.string 您的示例似乎有 var1、var2、var3 作为列名，并且在代码中它是 Indicator_A、Indicator_B 等。
嗨，我添加了可重现的示例。似乎na.strings 和na.string 都给了我同样的东西。

标签： r csv dplyr data-manipulation data-cleaning

【解决方案1】：

原因是对于第二种情况而不是空白，我们有NA。如果我们使用==，NA 值将保持不变。要将这些值设为 FALSE，请使用 & 和 !is.na

data2 %>% 
    mutate(Indicator_Institution = ifelse(Indicator_A == "X" & !is.na(Indicator_A), 1, 
                                   ifelse(Indicator_B=="X" & !is.na(Indicator_B), 2,
                                   ifelse(Indicator_C == "X" & !is.na(Indicator_C), 3, 
                  NA))))

根据提供的示例，这可以通过which轻松完成

which(!is.na(data2), arr.ind=TRUE)[,2]

【讨论】：