使用文件字典重编码变量类别失败，求tidyverse解决方案

问题场景 #

尝试使用字典app_name_recode_dictionary对数据集users_data的content_name变量进行类别重编码，使用dplyr的recode_factor函数时触发错误：

app_name必须长度为376或1，而非23

提供的字典（数据表格式） #

print(app_name_recode_dictionary)
                     content_name             app_name_rename
 1:                DTPbrowser-prod            dtp_browser_prod
 2:        dtp_browser_legacy_code            dtp_browser_prod
 3:                crisprscreenViz           crispr_screen_viz
 4:      crisprscreenviz_orig_code           crispr_screen_viz
 5:    cage_randomiser_legacy_code             cage_randomiser
 6:                 CageRandomizer             cage_randomiser
 7:       moprospector_legacy_code                moprospector
 8:                   moProspector                moprospector
 9: grow_rate_explorer_legacy_code        growth_rate_explorer
10:                Unknown Content        growth_rate_explorer
11:                       ComboCor                   combo_cor
12:           combocor_legacy_code                   combo_cor
13:      Translatability_MultiGene  translatability_multi_gene
14:         multi_gene_legacy_code  translatability_multi_gene
15:              animals_to_groups           animals_to_groups
16:  animals_to_groups_legacy_code           animals_to_groups
17:    Translatability_Single_gene translatability_single_gene
18:        single_gene_legacy_code translatability_single_gene
19:                           FLAT                        flat
20:               flat_legacy_code                        flat
21:          SyngeneicMouseBrowser     syngeneic_mouse_browser
22:    syngeneic_mouse_legacy_code     syngeneic_mouse_browser
23:                      DepMapBem                 dep_map_bem

尝试的错误代码 #

factor_recode_app_name <- users_data %>%
  dplyr::mutate(
    app_name =  dplyr::recode_factor(
      content_name,
      !!!app_name_recode_dictionary
    )) %>%
  dplyr::select(-content_name)

错误信息 #

Error in `mutate_cols()`:
! Problem with `mutate()` column `app_name`.
ℹ `app_name = dplyr::recode_factor(...)`.
✖ `app_name` must be length 376 or one, not 23.
Caused by error in `glubort()`:
! `app_name` must be length 376 or one, not 23.

错误原因 #

dplyr::recode_factor要求传入命名向量（旧类别为向量名称，新类别为对应元素），但直接传入数据表并用!!!展开后，会同时传递两列数据，导致参数长度与数据集行数不匹配（字典共23行，数据集共376行），触发报错。

Tidyverse解决方案 #

方案1：转换字典为命名向量后使用recode_factor #

将数据表格式的字典转换为recode_factor所需的命名向量，再执行重编码：

# 生成命名向量：名称=原类别(content_name)，值=新类别(app_name_rename)
recode_mapping <- setNames(
  app_name_recode_dictionary$app_name_rename,
  app_name_recode_dictionary$content_name
)

# 执行重编码
factor_recode_app_name <- users_data %>%
  dplyr::mutate(app_name = dplyr::recode_factor(content_name, !!!recode_mapping)) %>%
  dplyr::select(-content_name)

特点：未在字典中匹配到的content_name值会保留原始值，适合需要保留未定义类别的场景。

方案2：使用left_join实现重编码（更直观） #

通过数据表连接的方式完成类别映射，未匹配的值会转为NA，便于后续识别处理：

factor_recode_app_name <- users_data %>%
  dplyr::left_join(app_name_recode_dictionary, by = "content_name") %>%
  dplyr::select(-content_name) %>%
  dplyr::rename(app_name = app_name_rename)

特点：逻辑清晰，易维护，适合需要明确标记未匹配类别的场景。

内容的提问来源于stack exchange，提问作者GaB