当DataFrame包含多门在线学习模块时，如何用ifelse与grepl实现模块代码到名称的映射？

嘿，这个问题问得特别实用！当模块数量超过两个时，再靠嵌套ifelse来处理确实会越写越乱，维护起来也麻烦。这里有几个更优雅的解决方案，你可以根据自己的需求选择：

方法1：用dplyr的case_when()（灵活处理正则匹配） #

如果你需要保留正则匹配的逻辑（比如模块代码有模糊匹配的需求），case_when()绝对是比嵌套ifelse友好得多的选择——它把每个条件-结果对清晰地分开，可读性拉满：

library(dplyr)

df <- df %>%
  mutate(Module = case_when(
    grepl("1A21", ModuleCode) ~ "R-101",
    grepl("2N34", ModuleCode) ~ "R-201",
    grepl("3X56", ModuleCode) ~ "Python-101",
    grepl("4Z78", ModuleCode) ~ "SQL-101",
    TRUE ~ "Unknown Module" # 兜底处理匹配不到的情况
  ))

最后一行的TRUE ~ ...是可选的，但建议加上，避免出现NA值。

方法2：用命名向量做固定映射（高效简洁） #

如果你的模块代码和名称是完全一一对应的（不需要正则模糊匹配），用命名向量做映射是最高效的方式，而且映射关系可以单独维护，方便后续修改：

# 先创建一个映射向量，键是模块代码，值是对应的名称
module_map <- c(
  "1A21" = "R-101",
  "2N34" = "R-201",
  "3X56" = "Python-101",
  "4Z78" = "SQL-101"
)

# 直接用向量索引完成映射
df$Module <- module_map[df$ModuleCode]
# 给匹配不到的情况设置默认值
df$Module <- ifelse(is.na(df$Module), "Unknown Module", df$Module)

如果还是需要正则匹配，可以结合stringr包的str_extract来提取匹配的代码片段，再用映射：

library(stringr)

df$Module <- module_map[str_extract(df$ModuleCode, paste(names(module_map), collapse = "|"))]
df$Module <- replace_na(df$Module, "Unknown Module")

方法3：用因子（factor）替换水平（适合分类变量场景） #

如果你的ModuleCode本身就是分类变量，还可以把它转成因子，直接修改因子的水平名称：

# 先转成因子
df$Module <- as.factor(df$ModuleCode)
# 直接用映射向量替换水平（注意映射向量的键要和原因子水平完全对应）
levels(df$Module) <- module_map

这种方法的好处是后续做统计分析时，模块名称本身就是分类变量，不用额外转换。

内容的提问来源于stack exchange，提问作者user16949460