基于变量名共性批量修正模糊变量值的R语言实现需求

问题背景 #

在线调查采集软件编码错误，导致数据集内部分目标变量的noChangeOrNA值存在歧义：该值既可能代表“无变化”，也可能是缺失值NA。需根据对应上游变量的值进行转换：

• 若上游变量（如symptom_dep）为checked，目标变量（如sym_dep_change）的noChangeOrNA转为noChange
• 若上游变量为unchecked，目标变量的noChangeOrNA转为NA

由于此类变量对数量众多，手动逐个处理效率极低，需用自动化方法批量实现，优先采用tidyverse工具链。

示例数据 #

df <- data.frame(pID = factor(1:4),
                 symptom_dep = factor(c("checked", "unchecked", "checked", "checked")),
                 symptom_anx = factor(c("unchecked", "unchecked", "checked", "checked")),
                 sym_dep_change = factor(c("noChangeOrNA", "noChangeOrNA", "better", "worse")),
                 sym_anx_change = factor(c("noChangeOrNA", "noChangeOrNA", "worse", "noChangeOrNA")))

手动处理的局限性 #

手动编写case_when逐个处理变量的方式虽能实现需求，但变量对数量较多时，重复代码冗余且易出错，无法高效批量处理。

批量处理方案 #

方案1：基于变量对映射的批量处理 #

先自动识别上游变量与目标变量的对应关系，再用purrr::map2遍历处理每一对变量：

library(tidyverse)

# 自动匹配上游变量和目标变量
symptom_vars <- str_subset(names(df), "^symptom_")
change_vars <- str_replace(symptom_vars, "^symptom_", "sym_") %>% str_c("_change")

# 批量转换歧义值
df_processed <- df %>%
  mutate(
    map2(symptom_vars, change_vars, ~ case_when(
      !!sym(.x) == "checked" & !!sym(.y) == "noChangeOrNA" ~ "noChange",
      !!sym(.x) == "unchecked" & !!sym(.y) == "noChangeOrNA" ~ NA_character_,
      TRUE ~ as.character(!!sym(.y))
    )) %>% set_names(change_vars)
  ) %>%
  # 还原因子类型（若需保留原数据类型）
  mutate(across(all_of(change_vars), as.factor))

方案2：基于across的简洁批量处理 #

利用变量命名规则（上游symptom_xxx对应目标sym_xxx_change），用dplyr::across遍历所有目标变量，自动匹配对应上游变量：

library(tidyverse)

df_processed <- df %>%
  mutate(across(ends_with("_change"), ~ {
    # 根据当前目标变量名匹配对应的上游变量
    symptom_var <- str_replace(cur_column(), "^sym_", "symptom_") %>% str_remove("_change")
    case_when(
      !!sym(symptom_var) == "checked" & .x == "noChangeOrNA" ~ "noChange",
      !!sym(symptom_var) == "unchecked" & .x == "noChangeOrNA" ~ NA_character_,
      TRUE ~ as.character(.x)
    )
  })) %>%
  mutate(across(ends_with("_change"), as.factor))

验证结果 #

处理后的数据集df_processed中：

• sym_dep_change第1行转为noChange，第2行转为NA
• sym_anx_change第1、2行转为NA，第4行转为noChange
  完全符合预期转换规则。

内容的提问来源于stack exchange，提问作者llewmills