使用R中的第三个变量列表，在多个变量之间进行变异

我需要获得2016年有效值条件下的成绩列表（数学、语言、sci等）（

validity\u 2016

==“yes”）的值，并输入一个名为

grades{subjects}

的新变量（如grades\u math）

结果应该是这样的：

df<-tibble(person = c("Alice", "Bob", "Mary"),
               validity_2016 = c(NA, "yes", NA),
               likes_ham = c("no", "yes", "yes"),
               grades_math_2015=c(6,2,4),
               grades_math_2016=c(3,5,7),
               grades_language_2015=c(7,1,9),
               grades_language_2016=c(3,6,7),
               grades_sci_2015=c(7,1,9),
               grades_sci_2016=c(3,6,7),
               grades_math=c(6,5,4),
               grades_language=c(7,6,7),
               grades_sci=c(7,6,9))

---

df我建议对每个受试者使用
mutate
和
ifelse
。比如：

df2=df%>%
变异（成绩数学=ifelse（validatiy数学=2016=“是”，成绩数学=2016，成绩数学=2015））

如果这种方法的缺点是你需要对每个主题重复它。这可以通过以下方式实现自动化：

out\u cols=c（“数学成绩”、“科学成绩”）
用于（列输入输出）{
c15=0（颜色，“_2015”）
c16=0（col，“_2016”）
df=df%>%突变（！！sym（col）：=ifelse（有效性_2016==“是”！！sym（c16），！！sym（c15）））
}

其中
！！sym（x）
将保存在变量
x
中的文本转换为变量名（例如，如果
x=“sci”
则
！！sym（x）
为我们提供变量
sci
而不是文本
“sci”
或变量
x
）。
tidyverse
和
示例：
本例使用
mutate
和
case\u when
来分配所述变量。我将它包装在一个函数中，以防您经常这样做

library(tidyverse)
library(rlang)

make_grade_columns <- function(df, condition_col, year_view){
  year_column_names <- colnames(df)[str_detect(colnames(df), year_view) & colnames(df) != condition_col & !str_detect(colnames(df), "validity")]
  year_prior_column_names <- colnames(df)[str_detect(colnames(df), as.character(as.numeric(year_view) - 1)) & colnames(df) != condition_col]
  return_col_names <- str_remove(year_column_names, "_\\d\\d\\d\\d")
  df <- df  %>% mutate(
    !!return_col_names[1] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[1]),
                                               T ~ !! sym(year_prior_column_names[1])),
    !!return_col_names[2] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[2]),
                                               T ~ !! sym(year_prior_column_names[2])),
    !!return_col_names[3] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[3]),
                                               T ~ !! sym(year_prior_column_names[3])))
  
  return(df)
}

make_grade_columns(df, "validity_2016", "2016") %>% 
 select(person, validity_2016, grades_math, grades_sci, grades_language) 

# # A tibble: 3 x 5
# person validity_2016    grades_math   grades_sci   grades_language
# <chr>  <chr>                  <dbl>      <dbl>           <dbl>
# 1 Alice  NA                      6          7               7
# 2 Bob    yes                     5          6               6
# 3 Mary   NA                      4          9               9

该函数将接受“是”回答并返回当年的值。如果答案为“否”，则它将返回前一年的值。
您好，Andres，您是否可以减少列数？问题越简单，我们回答的速度就越快。事实上，我真正的问题是一个大约有109个变量的数据集，这对我来说不可能减少列数，因为我会失去IssueGod答案的背景。我认为它不像下面这样灵活，因为您必须为每个变量（
col\u names[1:200]
）指定mutate中的参数，并将返回的col\u names括起来？是 啊如果您的用例需要，我可以使用
for循环
使其更加灵活。让我知道模式和缩放用例，我可以更改代码。此外，如果您尝试使用前一年不可用的年份，此函数将对您发出警告。此外，在colnames中使用#s（如validity#u 2016）将对任何未命名validity的列（不包括
grades
列）返回无意义的结果。
df<-tibble(person = c("Alice", "Bob", "Mary"),
               validity_2016 = c(NA, "yes", NA),
               likes_ham = c("no", "yes", "yes"),
               grades_math_2015=c(6,2,4),
               grades_math_2016=c(3,5,7),
               grades_language_2015=c(7,1,9),
               grades_language_2016=c(3,6,7),
               grades_sci_2015=c(7,1,9),
               grades_sci_2016=c(3,6,7),
               grades_math=c(6,5,4),
               grades_language=c(7,6,7),
               grades_sci=c(7,6,9))

library(tidyverse)
library(rlang)

make_grade_columns <- function(df, condition_col, year_view){
  year_column_names <- colnames(df)[str_detect(colnames(df), year_view) & colnames(df) != condition_col & !str_detect(colnames(df), "validity")]
  year_prior_column_names <- colnames(df)[str_detect(colnames(df), as.character(as.numeric(year_view) - 1)) & colnames(df) != condition_col]
  return_col_names <- str_remove(year_column_names, "_\\d\\d\\d\\d")
  df <- df  %>% mutate(
    !!return_col_names[1] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[1]),
                                               T ~ !! sym(year_prior_column_names[1])),
    !!return_col_names[2] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[2]),
                                               T ~ !! sym(year_prior_column_names[2])),
    !!return_col_names[3] := case_when(
      (df %>% select(!!!condition_col)) == "yes" ~ !! sym(year_column_names[3]),
                                               T ~ !! sym(year_prior_column_names[3])))
  
  return(df)
}

make_grade_columns(df, "validity_2016", "2016") %>% 
 select(person, validity_2016, grades_math, grades_sci, grades_language) 

# # A tibble: 3 x 5
# person validity_2016    grades_math   grades_sci   grades_language
# <chr>  <chr>                  <dbl>      <dbl>           <dbl>
# 1 Alice  NA                      6          7               7
# 2 Bob    yes                     5          6               6
# 3 Mary   NA                      4          9               9

make_grade_columns(df, "likes_ham", "2016")%>% 
  select(person, likes_ham, grades_math, grades_sci, grades_language) 
# # A tibble: 3 x 5
# person likes_ham    grades_math grades_sci grades_language
# <chr>  <chr>              <dbl>      <dbl>           <dbl>
# 1 Alice  no                  6          7               7
# 2 Bob    yes                 5          6               6
# 3 Mary   yes                 7          7               7