如何在保留原变量的同时批量重编码R语言数据框中的变量？

原代码使用mutate_at直接修改了选中的原变量，导致原变量被覆盖，无法生成带r后缀的新变量。以下是两种可行的解决方案：

方案一：使用dplyr::across（推荐，适配新版dplyr） #

利用across函数指定要处理的变量，通过.names参数设置新变量的命名规则（原变量名+r），同时应用清晰的重编码逻辑：

library(dplyr)

# 示例数据集
df <- data.frame(
  P7A = c(1, 2, 3, 4, 5),
  P7B = c(2, 4, 1, 3, 5),
  P7C = c(1, 5, 3, 3, 2),
  P7D = c(3, 2, 2, 1, 4),
  P7E = c(5, 4, 5, 3, 2),
  P7F = c(1, 2, 3, 2, 1))

# 选中需要重编码的变量
vP7 <- c("P7A", "P7B", "P7C", "P7D", "P7E", "P7F")

# 生成带r后缀的新变量，保留原变量
df <- df %>%
  mutate(across(all_of(vP7), 
                ~ case_when(
                  .x %in% 1:2 ~ 1,
                  .x == 3 ~ 2,
                  .x %in% 4:5 ~ 3
                ),
                .names = "{col}r"))

关键说明 #

• across(all_of(vP7))：精准指定需要处理的目标变量列表
• case_when：用自然逻辑定义重编码规则，比recode更直观易读
• .names = "{col}r"：自动生成新变量名，{col}会替换为原变量名，最终得到P7Ar、P7Br等符合要求的变量

方案二：使用recode结合批量变量复制 #

如果习惯用recode函数，可先批量复制原变量生成新列，再对新列进行重编码：

library(dplyr)
library(magrittr)

df <- data.frame(
  P7A = c(1, 2, 3, 4, 5),
  P7B = c(2, 4, 1, 3, 5),
  P7C = c(1, 5, 3, 3, 2),
  P7D = c(3, 2, 2, 1, 4),
  P7E = c(5, 4, 5, 3, 2),
  P7F = c(1, 2, 3, 2, 1))

vP7 <- c("P7A", "P7B", "P7C", "P7D", "P7E", "P7F")

# 先复制原变量为带r后缀的新列，再对新列重编码
df <- df %>%
  mutate(!!!set_names(vP7, paste0(vP7, "r"))) %>%
  mutate_at(paste0(vP7, "r"), recode, `1`=1, `2`=1, `3`=2, `4`=3, `5`=3)

关键说明 #

• !!!set_names(vP7, paste0(vP7, "r"))：通过非标准评估批量复制原变量，快速生成带r后缀的新列
• mutate_at仅针对新生成的列操作，完全保留原变量不受影响

验证结果 #

执行代码后，运行print(df)即可查看数据集，原变量（P7A_{P7F）和重编码后的新变量（P7Ar}P7Fr）会同时存在，且新变量完全符合重编码规则。

内容的提问来源于stack exchange，提问作者alagua