无法将条件 case_when() 应用于在 mutate 中使用 `!!` 创建的新变量

Question

正如您可能已经猜测的那样，我很难描述这个问题。我想通过对现有列的子集（由这些变量名称的小元素定义）求和来计算一个新变量包括其名称，然后根据新创建的变量计算一个新的条件变量。一如既往，通过示例更容易展示。玩具数据。总共七列，一列是 ID 变量，三列是大麻测量值（由列名中间的字母“cann”定义），三列是酒精测量值（由同一列中的字母“alc”定义）位置）。

set.seed(1)

d <- data.frame(id = letters[1:10],
                q1_cann_a = round(rnorm(10),1),
                q1_cann_b = round(rnorm(10),1),
                q1_cann_c = round(rnorm(10),1),
                q1_alc_a = round(rnorm(10),1),
                q1_alc_b = round(rnorm(10),1),
                q1_alc_c = round(rnorm(10),1))

d

# output
#    id q1_cann_a q1_cann_b q1_cann_c q1_alc_a q1_alc_b q1_alc_c
# 1   a      -0.6       1.5       0.9      1.4     -0.2      0.4
# 2   b       0.2       0.4       0.8     -0.1     -0.3     -0.6
# 3   c      -0.8      -0.6       0.1      0.4      0.7      0.3
# 4   d       1.6      -2.2      -2.0     -0.1      0.6     -1.1
# 5   e       0.3       1.1       0.6     -1.4     -0.7      1.4
# 6   f      -0.8       0.0      -0.1     -0.4     -0.7      2.0
# 7   g       0.5       0.0      -0.2     -0.4      0.4     -0.4
# 8   h       0.7       0.9      -1.5     -0.1      0.8     -1.0
# 9   i       0.6       0.8      -0.5      1.1     -0.1      0.6
# 10  j      -0.3       0.6       0.4      0.8      0.9     -0.1

现在说我想计算三个大麻列的总和，所以我创建了一个函数，我可以将每组三个变量名称的中心字符串传递到一个函数中，该函数从该字符串中创建一个新的变量名称“_total”粘贴到末尾。那部分我能做。下一步（我无法完成）是使用新创建的变量创建一个新的条件变量，在这种情况下，如果三个变量的总和 > 0，则该元素为“正”（如果不 > 0） ，“负”。

sumFunct <- function(data, drug) {
d %>%
  rowwise %>%
     mutate(!!paste0(drug, "_total") := sum(c_across(contains(drug))),
            !!paste0(drug, "_any") := factor(case_when(!!paste0(drug, "_total") > 0 ~ "positive",
                                                       TRUE ~ "negative"),
                                             levels = c("negative",
                                                        "positive")))
}

sumFunct(d, "cann")

# A tibble: 10 × 9
# Rowwise: 
#   id    q1_cann_a q1_cann_b q1_cann_c q1_alc_a q1_alc_b q1_alc_c cann_total cann_any
#   <chr>     <dbl>     <dbl>     <dbl>    <dbl>    <dbl>    <dbl>      <dbl> <fct>   
# 1 a          -0.6       1.5       0.9      1.4     -0.2      0.4        1.8 positive
# 2 b           0.2       0.4       0.8     -0.1     -0.3     -0.6        1.4 positive
# 3 c          -0.8      -0.6       0.1      0.4      0.7      0.3       -1.3 positive
# 4 d           1.6      -2.2      -2       -0.1      0.6     -1.1       -2.6 positive
# 5 e           0.3       1.1       0.6     -1.4     -0.7      1.4        2   positive
# 6 f          -0.8       0        -0.1     -0.4     -0.7      2         -0.9 positive
# 7 g           0.5       0        -0.2     -0.4      0.4     -0.4        0.3 positive
# 8 h           0.7       0.9      -1.5     -0.1      0.8     -1          0.1 positive
# 9 i           0.6       0.8      -0.5      1.1     -0.1      0.6        0.9 positive
# 10 j         -0.3       0.6       0.4      0.8      0.9     -0.1        0.7 positive

正如您所看到的，第一部分工作正常，条件的 name 有效，但条件本身失败了。我很确定这与计算

:=

右侧第二个变量的语法部分中第一个新变量的重述有关，但我不知道如何修复它。我在整理东西方面遇到了严重的麻烦，所以非常感谢任何帮助。我还会就如何更好地命名这篇文章寻求建议。

Answer 1

这就是我解决问题的方法。

• 我会使用

  rowwise

  ，而不是

  sum

  和

  rowSums

  。
• 在第二个条件中选择列时

  !!paste0(drug, "_total")

  不正确，请改用

  .data

  。

library(dplyr)

sumFunct <- function(data, drug) {
  d %>%
    mutate(!!paste0(drug, "_total") := rowSums(pick(contains(drug))),
           !!paste0(drug, "_any") := factor(
             case_when(.data[[paste0(drug, "_total")]] > 0 ~ "positive",
                       TRUE ~ "negative"),levels = c("negative","positive")))
}

sumFunct(d, "cann")
#   id q1_cann_a q1_cann_b q1_cann_c q1_alc_a q1_alc_b q1_alc_c cann_total cann_any
#1   a      -0.6       1.5       0.9      1.4     -0.2      0.4        1.8 positive
#2   b       0.2       0.4       0.8     -0.1     -0.3     -0.6        1.4 positive
#3   c      -0.8      -0.6       0.1      0.4      0.7      0.3       -1.3 negative
#4   d       1.6      -2.2      -2.0     -0.1      0.6     -1.1       -2.6 negative
#5   e       0.3       1.1       0.6     -1.4     -0.7      1.4        2.0 positive
#6   f      -0.8       0.0      -0.1     -0.4     -0.7      2.0       -0.9 negative
#7   g       0.5       0.0      -0.2     -0.4      0.4     -0.4        0.3 positive
#8   h       0.7       0.9      -1.5     -0.1      0.8     -1.0        0.1 positive
#9   i       0.6       0.8      -0.5      1.1     -0.1      0.6        0.9 positive
#10  j      -0.3       0.6       0.4      0.8      0.9     -0.1        0.7 positive

在您的方法中，如果您根据第 2 点进行更改，它也应该有效。