如何操作数据，如果变量给出输出，则后续变量必须给出相同的输出？

Question

如何操作数据集，如果一个变量给出某个输出，那么后续变量必须给出相同的输出？

我们认为 VAR1_2013 和 VAR1_2014 属于同一变量，分别在 2013 年和 2014 年测量。 VAR2_2013 和 VAR2_2014 是另一组变量，也分别在 2013 年和 2014 年测量。 我想写一个代码，如果早期的测量，即VAR1_2013和VAR2_2013被记录为“YES”，那么后续的测量也必须是“YES”。否则，我们将保持原样。

问题是我有 6 个变量 x 6 年，这意味着要操纵 36 个变量。

数据：

df <- read.table(text ="
                 ID VAR1_2013 VAR2_2013 VAR1_2014 VAR2_2014
                 1 YES NO NO NO
                 2 NO NO NO YES
                 3 NA YES NO NO
                 4 NO YES NA NA", header = TRUE, stringsAsFactors = FALSE)

我运行了以下代码，但显然它不可扩展。

代码：

library(dplyr)
df %>% 
  mutate(VAR1_2014 = if_else(!is.na(VAR1_2013) & VAR1_2013 == "YES", "YES", VAR1_2014),
         VAR2_2014 = if_else(!is.na(VAR2_2013) & VAR2_2013 == "YES", "YES", VAR2_2014))
# ID VAR1_2013 VAR2_2013 VAR1_2014 VAR2_2014
# 1  1       YES        NO       YES        NO
# 2  2        NO        NO        NO       YES
# 3  3      <NA>       YES        NO       YES
# 4  4        NO       YES      <NA>       YES

Answer 1

我相信以下内容可以满足您的需求并且具有可扩展性。

nm <- names(df)[-1]
vr <- unique(sapply(strsplit(nm, "_"), '[[', 1))
for(v in vr){
  s <- grep(v, nm, value = TRUE)
  i <- !is.na(df[[ s[1] ]]) & df[[ s[1] ]] == "YES"
  df[[ s[-1] ]][i] <- df[[ s[1] ]][i]
}

df
#  ID VAR1_2013 VAR2_2013 VAR1_2014 VAR2_2014
#1  1       YES        NO       YES        NO
#2  2        NO        NO        NO       YES
#3  3      <NA>       YES        NO       YES
#4  4        NO       YES      <NA>       YES