如何将各类性别条目统一归类为男性、女性和非二元性别？现有R代码优化咨询

嘿，针对你提到的两个性别数据处理需求——将所有性别条目归类为男性、女性、非二元性别三类，以及标准化现有多样的性别表述，我来帮你优化现有的R代码，覆盖你提到的Male, Female, Woman, Man, man等所有场景~

现有代码的局限 #

你当前的代码只通过取首字母匹配，会遗漏像Woman（首字母为W）这类表述，导致它们无法被归类；同时也没覆盖非二元性别的其他常见变体（比如NB、Nonbinary）。下面是更全面的解决方案：

改进后的代码方案 #

我们先统一文本格式消除大小写差异，再通过精准匹配所有可能的变体来完成标准化与归类：

# 先加载必要包（未安装的话先运行 install.packages(c("dplyr", "stringr"))）
library(dplyr)
library(stringr)

# 标准化并归类性别数据
removed <- removed %>%
  mutate(
    # 第一步：统一转成小写，消除大小写带来的匹配差异
    gender_clean = tolower(gender),
    # 第二步：匹配所有常见变体，映射到三类标准值
    gender_standardized = case_when(
      # 匹配所有男性相关表述
      gender_clean %in% c("male", "man", "m") ~ "Male",
      # 匹配所有女性相关表述
      gender_clean %in% c("female", "woman", "f") ~ "Female",
      # 匹配所有非二元性别相关表述（可根据实际数据添加更多变体）
      gender_clean %in% c("non-binary", "nonbinary", "nb", "n") ~ "Non-binary",
      # 处理未匹配到的条目，可选设为"Unknown"或NA
      TRUE ~ "Unknown"
    )
  ) %>%
  # 可选：删除中间清洗列，保留原列和标准化后的列
  select(-gender_clean)

代码逻辑说明 #

1. 统一大小写：把所有性别文本转成小写，确保Man和man、Female和female都能被统一匹配。
2. 精准变体匹配：用%in%枚举所有常见的性别表述，避免因首字母特殊（比如Woman的W）导致的遗漏。
3. 兜底处理：最后用TRUE ~ "Unknown"捕获所有未覆盖的条目，避免出现NA值（如果不需要可以改成NA_character_）。

更灵活的匹配方式（适合长文本表述） #

如果你的数据中有更长的性别描述（比如cis male、trans woman），可以用str_detect匹配关键词，这样能覆盖更多场景：

removed <- removed %>%
  mutate(
    gender_clean = tolower(gender),
    gender_standardized = case_when(
      str_detect(gender_clean, "male|man") ~ "Male",
      str_detect(gender_clean, "female|woman") ~ "Female",
      str_detect(gender_clean, "non-binary|nonbinary|nb") ~ "Non-binary",
      TRUE ~ "Unknown"
    )
  )

验证结果 #

处理完成后，可以用以下命令检查归类情况，确保所有条目都被正确处理：

table(removed$gender_standardized)

这样就能同时解决你的两个需求：把多样的性别表述统一标准化，并且精准归类到指定的三类中~

内容的提问来源于stack exchange，提问作者syd321