Question

我已经在SO上寻找此问题的答案，但没有设法找到解决问题的方法。

我有一个包含几列的数据框，每一列至少有一个NA。这些列的名称存储在字符向量vars_na中。对于每个变量，我想创建一个虚拟变量，如果缺少该观察值，则取值为0，否则取值为1。

下面有一个可复制的玩具示例以及我到目前为止使用的代码：

# creation of toy dataset
iris[1:5, 1] <- rep(NA, 5)
iris[1:10, 4] <- rep(NA, 10)
vars_na <- c("Sepal.Length", "Petal.Width")

for(var in vars_na){
  iris <- iris %>% 
    mutate(dummy = ifelse(is.na(!!var), 0, 1)) %>% 
    rename_at(c("dummy"), list(~paste0("dummyna_", var)))
# 'rename_at' is just to differentiate between the several dummies created, 
# and it works correctly
}

问题在于，新创建的虚拟变量导致矢量充满1，因此它们没有正确考虑缺失值。确实：

head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species dummyna_Sepal.Length dummyna_Petal.Width
1           NA         3.5          1.4          NA  setosa                    1                   1
2           NA         3.0          1.4          NA  setosa                    1                   1
3           NA         3.2          1.3          NA  setosa                    1                   1
4           NA         3.1          1.5          NA  setosa                    1                   1
5           NA         3.6          1.4          NA  setosa                    1                   1
6          5.4         3.9          1.7          NA  setosa                    1                   1

但我想获得

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species dummyna_Sepal.Length dummyna_Petal.Width
1           NA         3.5          1.4          NA  setosa                    0                   0
2           NA         3.0          1.4          NA  setosa                    0                   0
3           NA         3.2          1.3          NA  setosa                    0                   0
4           NA         3.1          1.5          NA  setosa                    0                   0
5           NA         3.6          1.4          NA  setosa                    0                   0
6          5.4         3.9          1.7          NA  setosa                    1                   0

代码很简单，我相信它应该可以工作。我在做什么错呢？预先感谢。

Answer 1

问题在于，由于var是一个字符， is.na(!!var)之类的东西最终变成is.na("Sepal.Length")之类的东西，这总是错误的。

您可以使用rlang::sym *将字符转换为可由mutate求值的符号，例如：

for (var in vars_na) {
  var_sym <- rlang::sym(var)
  new_name <- rlang::sym(paste0(var, "_na"))

  iris <- iris %>%
    mutate(!!new_name := as.integer(!is.na(!!var_sym)))
}

* rlang包是dplyr支持的大多数非标准评估的基础，参见tidy evaluation。

传递字符串进行变异

1 个答案: