R Studio处理SPSS数据库开放式问题数据标准化求助

1. 消除str_to_title()的警告 #

你遇到的警告是因为变量可能是因子（factor）类型，而非原子字符向量。先转换为字符向量再处理：

# 确保x是字符类型
x <- as.character(x)

2. 统一字符串格式并统计频次 #

根据你的需求，分两种方案处理：

方案一：仅统一大小写（适合同一地区仅大小写差异） #

使用stringr包的str_to_title()统一为标题格式，之后直接统计：

library(stringr)
# 统一格式
x_clean <- str_to_title(x)
# 生成频次表
table(x_clean)

执行后输出：

x_clean
 Bucharest   Focsani Ploiești    Sinaia 
         4          1          2          3 

方案二：处理拼写/特殊字符变体（如Ploiesti vs Ploiești） #

如果存在特殊字符或拼写变体，需要手动定义映射规则，将所有变体统一为标准名称：

library(dplyr)
# 定义映射规则：键是所有可能的变体，值是标准名称
region_map <- c(
  "bucharest" = "Bucharest",
  "BUCHAREST" = "Bucharest",
  "ploiesti" = "Ploiești",
  "Ploiesti" = "Ploiești",
  "sinaia" = "Sinaia",
  "SINAIA" = "Sinaia"
)

# 替换变体为标准名称
x_clean <- recode(x, !!!region_map)
# 保留未匹配的原始值（可选）
x_clean[is.na(x_clean)] <- x[is.na(x_clean)]

# 生成频次表
table(x_clean)

如果变体数量多，也可以先转小写再映射，简化规则：

x_lower <- tolower(x)
region_map_lower <- c(
  "bucharest" = "Bucharest",
  "ploiesti" = "Ploiești",
  "sinaia" = "Sinaia",
  "focsani" = "Focsani"
)
x_clean <- region_map_lower[x_lower]
table(x_clean)

3. 从SPSS导入时的前置优化 #

用haven包导入SPSS数据时，避免自动将字符串转为因子，直接读取为字符类型：

library(haven)
# 读取SPSS文件，所有列默认按字符处理
df <- read_sav("your_spss_data.sav", col_types = cols(.default = col_character()))

内容的提问来源于stack exchange，提问作者OctavianSkull