R代码：如何根据其他变量的多个条件生成变量

我有一个初学者R用户：

这是我的数据集

factor1 <- c(1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6, 6, 7, 7, 8,8,9, 9, 10, 10)
factor2 <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15,16,17, 18, 19, 20)
factor3 <- c("a", "a", "a", "a", "a", "b", "b", "b", "b", "b", "c", "c", "c", "c", "c", "d", "d", "d", "d", "d")
factor4 <- c(10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150,160,170, 180, 190, NA)
dataset <- data.frame(factor1, factor2, factor3, factor4) 

---

factor1使用
dplyr

library(dplyr)

dataset %>%
  mutate(newvar = ifelse(factor1 > 5 & 
                         factor2 < 19 & 
                         (factor3=="b" | factor3=="c") & 
                         !is.na(factor4), 1, NA))

库（dplyr）
数据集%>%
变异（newvar=ifelse（因子1>5&
系数2<19&
（系数3==“b”|系数3==“c”）&
！is.na（因子4，1，na））
在base R中，您只需执行以下操作（将我的评论升级为答案）：

dataset$newvar=5&dataset$factor2<19&（dataset$factor3==“b”| dataset$factor3==“c”），“newvar”]基于多个值的多个条件生成一个新变量

这一点问题没有得到明确解决：

理想情况下，我希望指定不同的条件，因此一些观察值将是变量newvar中的值1、2、3和4，取决于其他几个变量的值

一个简单的解决方案是在
时使用
case\u。与Stata的
recode
类似，它允许您同时指定多个值

其工作方式如下：

newvar = case_when(
condition1 ~ target value,
condition2 ~ target value)

e、 g.
var1==1~0

重要信息：每行后面都需要一个
，

library(dplyr)

dataset <- mutate(dataset,
        newvar = case_when(
               factor1 >= 5 & factor2<19 & (factor3 =="b" | factor3 =="c")  ~ 1, 
               factor1 == 1 ~ 2,
               factor1 == 2 ~ 3,
               TRUE ~ NA_real_ # This is for all other values 
             ))                # not covered by the above.

dataset


#       factor1 factor2 factor3 factor4 newvar
# 1        1       1       a      10      2
# 2        1       2       a      20      2
# 3        2       3       a      30      3
# 4        2       4       a      40      3
# 5        3       5       a      50     NA
# 6        3       6       b      60     NA
# 7        4       7       b      70     NA
# 8        4       8       b      80     NA
# 9        5       9       b      90      1
# 10       5      10       b     100      1
# 11       6      11       c     110      1
# 12       6      12       c     120      1
# 13       7      13       c     130      1
# 14       7      14       c     140      1
# 15       8      15       c     150      1
# 16       8      16       d     160     NA
# 17       9      17       d     170     NA
# 18       9      18       d     180     NA
# 19      10      19       d     190     NA
# 20      10      20       d      NA     NA

库（dplyr）
dataset=5&factor2或：
dataset$newvar=5&dataset$factor2<19&（dataset$factor3==“b”| dataset$factor3==“c”），“newvar”]这很有效。谢谢你回答了精心设计的第一个问题，包括一个可重复的示例！很抱歉，我收到此错误：找不到函数“%>%”。您发送的代码看起来很整洁，但不起作用。请你解释一下，我安装了dplyr并设法运行了你的代码，但是出于某种原因，newvar并没有改变我正在处理的数据集中的值。你能告诉我怎么做吗？thanks@Andr如果我提供的函数返回一个新的数据集，它不会重写旧的数据集。将第一行更改为
dataset%
，它应该能满足您的期望。
dataset$newvar <- NA
indx <- dataset$factor1 >= 5 & dataset$factor2 < 19 & (dataset$factor3=="b" | dataset$factor3 =="c") & !is.na(dataset$factor4)
dataset[indx, "newvar"] <- 1

newvar = case_when(
condition1 ~ target value,
condition2 ~ target value)

library(dplyr)

dataset <- mutate(dataset,
        newvar = case_when(
               factor1 >= 5 & factor2<19 & (factor3 =="b" | factor3 =="c")  ~ 1, 
               factor1 == 1 ~ 2,
               factor1 == 2 ~ 3,
               TRUE ~ NA_real_ # This is for all other values 
             ))                # not covered by the above.

dataset


#       factor1 factor2 factor3 factor4 newvar
# 1        1       1       a      10      2
# 2        1       2       a      20      2
# 3        2       3       a      30      3
# 4        2       4       a      40      3
# 5        3       5       a      50     NA
# 6        3       6       b      60     NA
# 7        4       7       b      70     NA
# 8        4       8       b      80     NA
# 9        5       9       b      90      1
# 10       5      10       b     100      1
# 11       6      11       c     110      1
# 12       6      12       c     120      1
# 13       7      13       c     130      1
# 14       7      14       c     140      1
# 15       8      15       c     150      1
# 16       8      16       d     160     NA
# 17       9      17       d     170     NA
# 18       9      18       d     180     NA
# 19      10      19       d     190     NA
# 20      10      20       d      NA     NA