将数据框中的列与部分信息相结合

Question

我有一个大型数据集，在不同的时间段内对相同的变量使用不同的编码方案。每个时间段的编码都表示为一列，其中包含其活跃年份的值，而其他任何地方的值为 NA。

我能够通过使用嵌套的 ifelse 命令和 dplyr 的 mutate [参见下面的编辑] 来“组合”它们，但是我在使用 ifelse 做一些稍微不同的事情时遇到了问题。我想根据任何先前的变量是否满足条件来编写一个新变量。但是由于某种原因，下面的 ifelse 构造不起作用。

MWE：

library("dplyr")
library("magrittr")
df <- data.frame(id = 1:12, year = c(rep(1995, 5), rep(1996, 5), rep(1997, 2)), varA = c("A","C","A","C","B",rep(NA,7)), varB = c(rep(NA,5),"B","A","C","A","B",rep(NA,2)))
df %>% mutate(varC = ifelse(varA == "C" | varB == "C", "C", "D"))

输出：

> df
   id year varA varB varC
1   1 1995    A <NA> <NA>
2   2 1995    C <NA>    C
3   3 1995    A <NA> <NA>
4   4 1995    C <NA>    C
5   5 1995    B <NA> <NA>
6   6 1996 <NA>    B <NA>
7   7 1996 <NA>    A <NA>
8   8 1996 <NA>    C    C
9   9 1996 <NA>    A <NA>
10 10 1996 <NA>    B <NA>
11 11 1997 <NA> <NA> <NA>
12 12 1997 <NA> <NA> <NA>

如果我不使用| 运算符，并且仅针对 varA 进行测试，它会得到预期的结果，但它仅适用于 varA 不是 NA 的那些年份。

输出：

> df %<>% mutate(varC = ifelse(varA == "C", "C", "D"))
> df
   id year varA varB varC
1   1 1995    A <NA>    D
2   2 1995    C <NA>    C
3   3 1995    A <NA>    D
4   4 1995    C <NA>    C
5   5 1995    B <NA>    D
6   6 1996 <NA>    B <NA>
7   7 1996 <NA>    A <NA>
8   8 1996 <NA>    C <NA>
9   9 1996 <NA>    A <NA>
10 10 1996 <NA>    B <NA>
11 11 1997 <NA> <NA> <NA>
12 12 1997 <NA> <NA> <NA>

期望的输出：

> df
   id year varA varB varC
1   1 1995    A <NA>    D
2   2 1995    C <NA>    C
3   3 1995    A <NA>    D
4   4 1995    C <NA>    C
5   5 1995    B <NA>    D
6   6 1996 <NA>    B    D
7   7 1996 <NA>    A    D
8   8 1996 <NA>    C    C
9   9 1996 <NA>    A    D
10 10 1996 <NA>    B    D
11 11 1997 <NA> <NA> <NA>
12 12 1997 <NA> <NA> <NA>

我如何获得我正在寻找的东西？

为了使这个问题更适用于更广泛的受众，并从这种情况中学习，最好解释一下使用 | 进行比较时发生的情况，导致它无法按预期工作。提前致谢！

编辑：这就是我将它们与嵌套的 ifelses 成功结合的意思

> df %>% mutate(varC = ifelse(year == 1995, as.character(varA), 
+                             ifelse(year == 1996, as.character(varB), NA)))
   id year varA varB varC
1   1 1995    A <NA>    A
2   2 1995    C <NA>    C
3   3 1995    A <NA>    A
4   4 1995    C <NA>    C
5   5 1995    B <NA>    B
6   6 1996 <NA>    B    B
7   7 1996 <NA>    A    A
8   8 1996 <NA>    C    C
9   9 1996 <NA>    A    A
10 10 1996 <NA>    B    B
11 11 1997 <NA> <NA> <NA>
12 12 1997 <NA> <NA> <NA>

Answer 1

R 有这种烦人的趋势，其中涉及 NA 的条件的逻辑值只是 NA，而不是真或假。 即 NA>0 = NA 而不是 FALSE

NA 与 TRUE 交互，就像 false 一样。即 TRUE|NA = TRUE。 TRUE&NA = NA。

有趣的是，它还与 FALSE 交互，就好像它是 TRUE 一样。即假|不适用=不适用。假&NA=假

其实NA就像一个介于TRUE和FALSE之间的逻辑值。例如不适用|真|假 = 真。

所以这里有一种破解方法：

ifelse((varA=='C'&!is.na(varA))|(varB=='C'&!is.na(varB))

我们如何解释这个？在 OR 的左侧，我们有以下内容：如果 varA 是 NA，那么我们有 NA&FALSE。由于 NA 在逻辑层次结构中比 FALSE 高一级，因此 & 将迫使整个事情为 FALSE。否则，如果 varA 不是 NA 但它不是“C”，那么您将拥有 FALSE&TRUE，它会根据需要提供 FALSE。否则，如果它是“C”，它们都是真的。 OR 右侧的内容也是如此。

当使用涉及 x 的条件时，但 x 可以是 NA，我喜欢使用 ((condition for x)&!is.na(x)) 以完全排除 NA 输出并在我想要的情况下强制 TRUE 或 FALSE 值。

编辑：我只记得如果它们都是 NA，你想要一个 NA 输出。这并没有最终做到这一点，所以那是我的坏事。除非当它们都是 NA 时，你对“D”输出没问题。

EDIT2：这应该根据需要输出 NA：

ifelse(is.na(varA)&is.na(varB), NA, ifelse((varA=='C'&!is.na(varA))|(varB=='C'&!is.na(varB)), 'C','D'))

Answer 2

根据@Khashaa 评论。这应该可以解决问题并让您获得所需的输出。

df %>%
  mutate(varC = ifelse(is.na(varA) & is.na(varB), NA, 
                       ifelse(varA %in% "C" | varB %in% "C", "C", "D")))