R中派生变量的复杂规则

Question

我正在尝试根据 4-6 个其他分类变量的值组合创建一个分类变量。这些组合背后没有数学逻辑，它是非常“I在E之前，除了C之后”类型的东西。

在 SAS 中，我会这样做（调用原始变量 A-F，以及新变量 newvar）：

if A=1 and F=2 then newvar = 1;
else if A=2 and B=5 then newvar = 2;
else if B=3 and D=2 then newvar = 3;
else if A=7 and C=2 and F = 1 then newvar = 4;
(several more lines like that)
else newvar=0;

上面示例中的重要一点是能够按顺序向下级联条件列表，直到满足一个条件，然后停止而不评估任何进一步的条件。例如，“B=3 和 D=2”只有在没有满足放在它们前面的其他条件时才有意义。

但是在 R 中，似乎没有办法在进行变量赋值时将一大堆 else if 放在一起，因为它是使用子集运算符完成的。因此，相反，我发现自己必须以相反的顺序编写规则，以便更高优先级的规则按顺序应用，并覆盖前面的规则所做的：

data$newvar <- 0
(a bunch of other lines with conditions)
data$newvar[A == 7 & C == 2 & F == 1] <- 4
data$newvar[B == 3 & D == 2] <- 3
data$newvar[A == 2 & B == 5] <- 2
data$newvar[A == 1 & F == 2] <- 1

这可行，但它似乎效率低下且混乱，因为与在 SAS 中重复使用“else if”和“else”不同，这里每个条件都被评估，并且 newvar 可能在达到其最终值之前被覆盖多次。

我对 R 还很陌生，还没有完全理解“应用”函数系列——有没有什么方法可以编写一个函数来实现我的规则，使用 R 的 if/else if/else，然后将其应用于数据框中的所有行？或者其他比上面的示例代码更好的方法？

（我尝试过的其他东西：“ifelse”包和“car”包中的“recode”函数。这些似乎都不能同时使用多个变量和多个条件。）

Answer 1

考虑一下如何在 Excel 中使用嵌套的 if 语句来实现。

data$newvar <- NA #i like to populate with null first so I can check logic later
data$newvar <- ifelse(data$A == 2 & data$F == 2 , 1, 
ifelse(data$A == 2 & data$B == 5, 2, 
ifelse(data$B == 3 & data$D == 2, 3, 
ifelse(data$A == 7 & data$C == 2 & data$F == 1, 4, 0))))

Answer 2

您可以使用布尔数学：

data$newvar <- with(data, 
          (A == 7 & C == 2 & F == 1)* 4 +
          (B == 3 & D == 2)* 3 +
          (A == 2 & B == 5)* 2 +
          (A == 1 & F == 2)* 1
                    )

这不提供除 0 以外的任何其他默认值，但由于这是您选择的默认值，所以一切都很好。此变体应在不“添加”的情况下提供最高匹配。

data$newvar <- with(data, pmax( 
      (A == 7 & C == 2 & F == 1)* 4,
      (B == 3 & D == 2)* 3,
      (A == 2 & B == 5)* 2,
      (A == 1 & F == 2)* 1,
       0  )      )