r - 从互斥虚拟变量创建分类变量

Question

我的问题是关于先前回答的有关combining multiple dummy variables into a single categorical variable的问题的详细说明。

在先前提出的问题中，分类变量是由不互斥的伪变量创建的。就我而言，我的伪变量是互斥的，因为它们表示2X2主体间析因设计中的交叉实验条件(该主体中也有主体组件，我不在此讨论)，所以我不认为interaction可以做什么我需要去做。

例如，我的数据可能如下所示:

id   conditionA    conditionB    conditionC     conditionD
1    NA            1             NA             NA
2    1             NA            NA             NA
3    NA            NA            1              NA
4    NA            NA            NA             1
5    NA            2             NA             NA
6    2             NA            NA             NA
7    NA            NA            2              NA
8    NA            NA            NA             2

现在，我想创建组合各种不同类型条件的分类变量。例如，可以为具有条件A和B的值的人编码一个类别变量，而为具有条件C和D的值的人编码。

id   conditionA    conditionB    conditionC     conditionD  factor1    factor2
1    NA            1             NA             NA          1          NA
2    1             NA            NA             NA          1          NA
3    NA            NA            1              NA          NA         1
4    NA            NA            NA             1           NA         1
5    NA            2             NA             NA          2          NA
6    2             NA            NA             NA          2          NA
7    NA            NA            2              NA          NA         2
8    NA            NA            NA             2           NA         2

现在，我正在使用 ifelse()语句来执行此操作，这很简单，就是一团糟(并且并不总是有效)。请帮忙!可能有一些非常明显的“更简便的方法”。

编辑:

我正在使用的 ifelse命令的种类如下:

attach(df)
df$factor<-ifelse(conditionA==1 | conditionB==1, 1, NA)
df$factor<-ifelse(conditionA==2 | conditionB==2, 2, df$factor)

实际上，我每次都会合并6到8列，所以一个更优雅的解决方案会有所帮助。

Answer 1

Update (2019): Please use dplyr::coalesce(), it works pretty much the same.

我的 R package具有便利功能，允许为向量列表中的每个元素选择第一个非 NA值:

#library(devtools)
#install_github('kimisc', 'muelleki')
library(kimisc)

df$factor1 <- with(df, coalesce.na(conditionA, conditionB))

(我不确定 conditionA和 conditionB是否是因子是否可行。如有必要，在使用 as.numeric(as.character(...))之前将它们转换为数字。)

否则，您可以尝试 interaction，并结合对结果因子的水平进行重新编码-但对我来说，您似乎对第一种解决方案更感兴趣:

df$conditionAB <- with(df, interaction(coalesce.na(conditionA, 0), 
                                       coalesce.na(conditionB, 0)))
levels(df$conditionAB) <- c('A', 'B')