R语言字符串标准化与因子转换问题：文本修正及因子合并

先还原示例数据集：

# 创建数据集
df <- data.frame(
  id = c('person1','person2','person3'),
  category = c('I am 0-10 years old', 'I am 11-20 years old', 'I am between 21-30 years old'),
  Q1.do.you.feel.tired.everyday = c('no, never', 'yes, sometimes', 'yes some-times')
)

问题1：统一Q1列的文本格式 #

要把yes some-times修正为yes, sometimes，有两种常用实现方式：

方式1：Tidyverse生态（dplyr + stringr） #

library(dplyr)
library(stringr)

df <- df %>%
  mutate(Q1.do.you.feel.tired.everyday = str_replace(
    Q1.do.you.feel.tired.everyday, 
    pattern = "yes some-times", 
    replacement = "yes, sometimes"
  ))

方式2：基础R原生函数 #

df$Q1.do.you.feel.tired.everyday <- gsub(
  pattern = "yes some-times", 
  replacement = "yes, sometimes", 
  x = df$Q1.do.you.feel.tired.everyday
)

处理后Q1列的文本完全统一，后续转因子时不会再出现重复水平。

问题2：清理category列的冗余关键词 #

要移除between并修正文本，同样可以用字符串替换：

方式1：Tidyverse生态 #

df <- df %>%
  mutate(category = str_remove(category, "between "))

方式2：基础R原生函数 #

df$category <- gsub(pattern = "between ", replacement = "", x = df$category)

执行后第三行的I am between 21-30 years old会变为I am 21-30 years old。

因子转换的修正结果 #

文本统一后，再执行你原有的因子转换代码：

df <- df %>%
  mutate(across(where(is.character), as.factor))

此时Q1.do.you.feel.tired.everyday列的因子水平仅为no, never和yes, sometimes两个，符合预期。

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