read.csv 中的 na.string 和 dplyr::mutate 中的 ifelse 函数

Question

我使用了两种方法将数据（CSV 格式）导入 R。第一种方法没有 na.string 参数，而第二种方法有。我使用第二个是因为一些字符串在导入后显示为 "" 而不是 NA，并且我想将所有缺失值标准化为 NA.

data1<-read.csv("file.csv",stringsAsFactors=FALSE)
data2<-read.csv("file",stringsAsFactors=FALSE,na.string="")

我有 3 个变量作为指标。他们给出 "X" 表示是，""/NA 表示否。我尝试将以下函数应用于上面的 data1 和 data2。

df1<-data1%>%
     mutate(Indicator_Institution=ifelse(Indicator_A=="X",1,
                                  ifelse(Indicator_B=="X",2,
                                  ifelse(Indicator_C=="X",3,NA))))
df2<-data2%>%
     mutate(Indicator_Institution=ifelse(Indicator_A=="X",1,
                                  ifelse(Indicator_B=="X",2,
                                  ifelse(Indicator_C=="X",3,NA))))

df1 的 ifelse 函数通过了所有条件，而 df2 仅运行第一个条件。知道为什么吗？参数 na.string="" 有什么区别？

可重现的例子：

    > dput(droplevels(head(data1)))
structure(list(Indicator_A = c("X", "X", "X", "X", "", ""), 
    Indicator_B = c("", "", "", "", "X", "X"), Indicator_C = c("", 
    "", "", "", "", "")), .Names = c("Indicator_A", "Indicator_B", 
"Indicator_C"), row.names = c(NA, 6L), class = "data.frame")

> dput(droplevels(head(data2)))
structure(list(Indicator_A = c("X", "X", "X", "X", NA, NA), 
    Indicator_B = c(NA, NA, NA, NA, "X", "X"), Indicator_C = c(NA_character_, 
    NA_character_, NA_character_, NA_character_, NA_character_, 
    NA_character_)), .Names = c("Indicator_A", "Indicator_B", 
"Indicator_C"), row.names = c(NA, 6L), class = "data.frame")

Answer 1

原因是对于第二种情况而不是空白，我们有 NA。如果我们使用 ==，NA 值将保持不变。要将这些值设置为 FALSE，请使用 & 和 !is.na

data2 %>% 
    mutate(Indicator_Institution = ifelse(Indicator_A == "X" & !is.na(Indicator_A), 1, 
                                   ifelse(Indicator_B=="X" & !is.na(Indicator_B), 2,
                                   ifelse(Indicator_C == "X" & !is.na(Indicator_C), 3, 
                  NA))))

根据提供的示例，可以使用 which

轻松完成此操作

which(!is.na(data2), arr.ind=TRUE)[,2]

read.csv 中的 na.string 和 dplyr::mutate 中的 ifelse 函数

na.string in read.csv and ifelse function in dplyr::mutate

csv

r

data-manipulation

dplyr

data-cleaning