如何将两个包含NA值的因子合并成一个变量？

Question

我有很多类似这样的变量集：

   Var1    Var2
"Asian"      NA
     NA  "Black"
"White"      NA

我希望能方便地将它们转换成这种形式：

   Race
"Asian"
"Black"
"White"

我一直在尝试类似以下的操作：

Race <- ifelse(is.na(Var1), Var2, Var1)

但这会将值转换为级别的数字，而数字不匹配（例如，这将产生1,1,2）。有没有一种方便的方法来做到这一点（理想情况下是用简短、自我解释的代码）？（您可以使用as.character来退出此操作，但肯定有更好的方法。）

- gung - Reinstate Monica

---

你需要使用因子吗？使用字符表示，你可以这样做：pmax(Var1,Var2,na.rm=TRUE)。 - thelatemail

@thelatemail，我刚试过了，但对我来说并没有起作用。我需要先对所有变量应用as.character吗？ - gung - Reinstate Monica

@thelatemail，如果我先使用as.character，它似乎可以工作。如果您能将其放入一个方便的函数中，我会接受它。 - gung - Reinstate Monica

使用下面答案中的dat，对na.omit(c(t(as.matrix(dat))))有何看法？ - rawr

@rawr，这只是一个简化的例子。我有一个非常大的数据框，所以我不能以那种方式对其进行操作。不过这个函数还是很好用的。 - gung - Reinstate Monica

你也可以使用tidyr中的unite函数！ - Colonel Beauvel

Answer 1

通过中间转换使用as.character:
假设这是您的数据:

dat <- data.frame(Var1=c("Asian",NA,"White"),Var2=c(NA,"Black",NA))

do.call(pmax,c(lapply(dat,as.character),na.rm=TRUE))
#[1] "Asian" "Black" "White"

如果您需要处理特定的子集，您可以这样做：

do.call(pmax,c(lapply(dat[c("Var1","Var2")],as.character),na.rm=TRUE))

一个不需要使用 as.character 的替代方法如下：

dat[cbind(1:nrow(dat),max.col(!is.na(dat)))]
#[1] "Asian" "Black" "White"

- thelatemail

---

实际上，我的数据框有很多像这样的变量集。因此，我不能以这种方式操作整个数据框。我编写了一个简单的函数：collapse <- function(v1, v2) pmax(as.character(v1), as.character(v2), na.rm=T)，似乎可以工作。 - gung - Reinstate Monica

感谢您的帮助。 - gung - Reinstate Monica

好主意！这个方法可能更适用于需要将两列以上合并为一列的情况：apply(df[c("Var1", "Var2")], 1, max, na.rm=TRUE)。 - Josh O'Brien

@JoshO'Brien，在我的情况下，将始终存在2个变量。如果您想编写一个方便地扩展到>2列的函数，我会点赞的。 - gung - Reinstate Monica

@JoshO'Brien - pmax 可以很好地处理任意数量的输入 - pmax(1:3,2:4,3:5) - thelatemail

没错，知道了很棒。 - Josh O'Brien

Answer 2

这个解决方案怎么样呢？

ind <- apply(df, 1, function(x) which(!is.na(x)))
df[cbind(seq_along(ind), ind)]
[1] "Asian" "Black" "White"

- DatamineR

---

这个可能可以简化为 df[cbind(seq_len(nrow(df)), is.na(df$Var1) + 1)]（至少在两列的情况下）。 - jbaums

Answer 3

另一个解决方案（可能有些奇怪，但相当简洁，你的列似乎需要是字符类型）：

> library(tidyr)
> unite(replace(df, is.na(df), ""), V, c(Var1, Var2), sep=''))$V
#[1] "Asian" "Black" "White"

或者，使用gsub可能存在风险，但在这种情况下，NA是字符链的一部分，因此是安全的：

> gsub("NA", "", unite(df, V, c(Var1, Var2), sep='')$V)
#[1] "Asian" "Black" "White"

- Colonel Beauvel