r - 如何从组合的多个列中创建一个列？

Question

我正在使用的数据集记录了受访者的种族。响应记录在多个变量中，并且允许受访者选择一个以上。示例:

ethnicity1     ethnicity2     ethnicity3    ethnicity4     ethnicity5     ethnicity6
         1              0              0             0              0              0        
         0              2              0             0              0              0    
         0              0              3             4              0              0     

每个种族都有自己的专栏。我已经使用 recode 命令对每一列进行了重新编码，以便不同的数字代表不同的种族(即，黑色代表 1，白色代表 2，等等)来尝试制作一个单一的种族变量

A) 从组合的多个列中创建一个列

B) 拥有它以便报告多个列的任何人都被指定为“多个”。

我预期的输出是这样的:

Ethnicity
      1
      2
     999

(我不确定为了编码目的最好是用一个数值来表示多个种族，还是让它是一个字符值，如“multiple”)

最初，我想这样做，但它并没有像我希望的那样进行。

Ethnicity <- df %>% dplyr::na_if(0)
## create column for  ethnicity
Ethnicity %>% unite("RaceEthnicity", ethnicity1:ethnicity5, na.rm = TRUE, remove = FALSE)

Answer 1

这是一个 tidyverse 解决方案。我假设您的数据有一个针对受访者的列。我添加了它并将其命名为 ID。

要了解发生了什么，您可以通过连续添加每一行来运行代码，直到但不包括管道 (%>%) 并查看输出。

用于 pivot_longer 的列将取决于您的真实数据:此处种族在 1-6 中，ID 在 7 中。

library(dplyr)
library(tidyr)

mydata %>% 
  # add IDs for respondent
  mutate(ID = LETTERS[1:3]) %>%
  # convert to 'long' format 
  pivot_longer(1:6) %>% 
  # remove zero value rows
  filter(value != 0) %>% 
  # group by person
  group_by(ID) %>% 
  # use value where there is one row per person, otherwise use 999
  # we need doubles for both values (existing are int)
  summarise(ethnicity = case_when(n() == 1 ~ as.double(value), 
                                  TRUE ~ 999)) %>% 
  ungroup() %>% 
  # discard duplicate rows
  distinct()

结果:

ID    ethnicity
  <chr>     <dbl>
1 A             1
2 B             2
3 C           999

具有更正列名的示例数据:

mydata <- structure(list(ethnicity1 = c(1L, 0L, 0L), 
                         ethnicity2 = c(0L, 2L, 0L), 
                         ethnicity3 = c(0L, 0L, 3L), 
                         ethnicity4 = c(0L, 0L, 4L), 
                         ethnicity5 = c(0L, 0L, 0L), 
                         ethnicity6 = c(0L, 0L, 0L)), 
                    class = "data.frame", 
                    row.names = c(NA, -3L))