从 R 中具有缺失值的 2 个二元变量创建新的条件因子变量

Question

我有两个因子变量（T2ENNAT、P2ANYLNG），每个变量都有两个级别 0 = 无多语言，1 = 多语言。 两者都有一些缺失值。

现在我想创建一个新的因子变量，将两者结合起来，条件如下：

1. 如果两个变量之一为 1，另一个为 0 或缺失 -> 。新变量应为 1。
2. 如果两个变量均为 0 ->新变量应为 0
3. 如果两个变量之一为 0，另一个为 missng -> 如果两者都缺失，则新变量应为 0 -
4. >新变量应该是 NA （缺失）

我一步一步开始并尝试了以下代码：

data$T2Multi = with(data,  
ifelse(T2ENNAT == "Multilingual" & P2ANYLNG == "Multilingual", 1,
ifelse(T2ENNAT == "NO Multilingual" & P2ANYLNG == "NO Multilingual", 0,
ifelse(T2ENNAT == "Multilingual" & P2ANYLNG == "NO Multilingual", 1,
ifelse(T2ENNAT == "NO Multilingual" & P2ANYLNG == "Multilingual", 1,
ifelse(is.na(T2ENNAT) & P2ANYLNG =="Multilingual",1,
       NA))))))

前 4 个条件有效。然而，最后一个却没有。如果 T2ENNAT 缺失且 P2ANYLanguage = 1（多语言），则将 NA 分配给新变量。

我不明白这条线的问题。我认为 is.na(variable) 函数不起作用。你知道如何解决这个问题吗？

Answer 1

这是一种向量化的方式。

1. data == "Multilingual" 返回一个 TRUE 逻辑矩阵，其中数据条目为 "Multilingual" 和 FALSE否则（“禁止多语言” 或 NA）；
2. 将矩阵行值相加，如果总和等于或大于 1，则至少有一个 “多语言”，并且新列为 1。
3. 如果逻辑矩阵 is.na(data[1:2]) 的行总和等于 2，则该行中的所有值都会丢失，并且新列条目为NA。

两行基本 R 代码行即可解决该问题。

data$T2Multi <- +(rowSums(data == "Multilingual", na.rm = TRUE) >= 1L)
is.na(data$T2Multi) <- rowSums(is.na(data[1:2])) == 2L
data
#>            T2ENNAT        P2ANYLNG T2Multi
#> 1     Multilingual    Multilingual       1
#> 2     Multilingual            <NA>       1
#> 3             <NA> No Multilingual       0
#> 4             <NA> No Multilingual       0
#> 5  No Multilingual No Multilingual       0
#> 6     Multilingual    Multilingual       1
#> 7  No Multilingual    Multilingual       1
#> 8             <NA>            <NA>      NA
#> 9  No Multilingual No Multilingual       0
#> 10    Multilingual    Multilingual       1
#> 11            <NA> No Multilingual       0
#> 12 No Multilingual    Multilingual       1
#> 13            <NA>            <NA>      NA
#> 14    Multilingual No Multilingual       1
#> 15    Multilingual No Multilingual       1
#> 16 No Multilingual            <NA>       0
#> 17    Multilingual    Multilingual       1
#> 18    Multilingual    Multilingual       1
#> 19    Multilingual    Multilingual       1
#> 20    Multilingual            <NA>       1

^{由 reprex 包 (v2.0.1)}

测试 于 2022 年 3 月 21 日创建数据集

set.seed(2022)
n <- 20
data <- data.frame(
  T2ENNAT = factor(rbinom(n, 1, 0.5), labels = c("No Multilingual", "Multilingual")),
  P2ANYLNG = factor(rbinom(n, 1, 0.5), labels = c("No Multilingual", "Multilingual"))
)
data[] <- lapply(data, \(x){
  is.na(x) <- sample(n, n/4)
  x
})

^{由 reprex 包 (v2.0.1)}

Answer 2

该问题的 tidyverse 解决方案：

library(tidyverse)

# Data set of possible cases
d <- crossing(x = c(0:1, NA), 
              y = x) 

d |> 
  mutate(z = +case_when(
    x | y ~ x|y,
    !(x&y) ~ F
  ))
#> # A tibble: 9 × 3
#>       x     y     z
#>   <int> <int> <int>
#> 1     0     0     0
#> 2     0     1     1
#> 3     0    NA     0
#> 4     1     0     1
#> 5     1     1     1
#> 6     1    NA     1
#> 7    NA     0     0
#> 8    NA     1     1
#> 9    NA    NA    NA

^{由 reprex 包于 2022 年 3 月 21 日创建（v2.1） 0.1)}