折叠具有重复值的多列

Question

我目前正在使用以前收集的数据框。参与者种族目前分为几个类别（Race_White、Race_Black 等），其中每个参与者的值为 1 表示是或 2 表示否。例如，不认同任何其他种族的白人参与者将有 1 in Race_White 列和所有其他 Race_X 列中的 2。

我想将这些合并到一个“种族”列中，其中 1 = 白色，2 = 黑色等。有没有人知道一段很好的代码/函数/包可以有效地做到这一点？

这是我一直在尝试的：

Race <- mutate(mydata,
                  Race = case_when(
                    mydata$Race_White = 1 & mydata$Race_Black = 2 & mydata$Race_Asian = 2 & mydata$Race_NoReply = 2 ~ 1, 
                    mydata$Race_White = 2 & mydata$Race_Black = 1 & mydata$Race_Asian = 2 & mydata$Race_NoReply = 2 ~ 2, 
                    mydata$Race_White = 2 & mydata$Race_Black = 2 & mydata$Race_Asian = 1 & mydata$Race_NoReply = 2 ~ 3,
                    mydata$Race_White = 2 & mydata$Race_Black = 2 & mydata$Race_Asian = 2 & mydata$Race_NoReply = 1 ~ 4, 
                    TRUE ~ NA_real_))

Answer 1

我会像这样使用pivot_longer 和str_remove：

tib <- tibble::tibble(#example data
  individual = 1:10,
  race_white = sample(c(0,1), 10, T),
  race_black = 1 - race_white
)
tib %>% 
  dplyr::pivot_longer(dplyr::contains('race')) %>% 
  dplyr::filter(value == 1) %>% 
  dplyr::mutate(
    name = stringr::str_remove(name, 'race_')
  ) %>% 
    dplyr::select(-value, race = name)

如果您希望对它们进行整数编码，您可以在字符列上使用case_when。 但是如果没有示例数据，很难确切知道您想要什么。

这是输出：

# A tibble: 10 x 2
   individual race 
        <int> <chr>
 1          1 white
 2          2 white
 3          3 white
 4          4 white
 5          5 white
 6          6 white
 7          7 black
 8          8 white
 9          9 white
10         10 black

编辑： 我使用 0 = 否，1 = 是。但这并没有改变任何事情。我还为所有函数添加了包符号。

Answer 2

你可以这样做：

  names(df)[max.col(df==1)]

 [1] "Race_yellow" "Race_red"    "Race_green"  "Race_red"    "Race_green"  "Race_yellow"
 [7] "Race_red"    "Race_purple" "Race_purple" "Race_yellow" "Race_yellow" "Race_blue"  
[13] "Race_purple" "Race_red"    "Race_purple"

数据：

df <- read.table(text = 
  "Race_yellow Race_green Race_purple Race_blue Race_red
1            1          2           2         2        2
2            2          2           2         2        1
3            2          1           2         2        2
4            2          2           2         2        1
5            2          1           2         2        2
6            1          2           2         2        2
7            2          2           2         2        1
8            2          2           1         2        2
9            2          2           1         2        2
10           1          2           2         2        2
11           1          2           2         2        2
12           2          2           2         1        2
13           2          2           1         2        2
14           2          2           2         2        1
15           2          2           1         2        2")