在R中因子化字符变量时同时保留名称与层级（对标Stata encode）

现有数据框：

df <- tribble(
  ~country, ~status,
  "American Samoa", "non-UN member",
  "Argentina", "UN member",
  "Austria", "UN member",
  "Canada", "UN member",
  "Norfolk Island", "AU Territory",
  "Martinique", "FR Territory"
)

需求是新增一列fac1，使其同时具备因子的整数层级编码和对应的字符名称（类似Stata中encode命令生成的变量），并基于fac1的编码值生成fac2。

尝试的两种方法均有不足：

• 方法一：将因子转为整数后丢失了字符名称，只剩编码

df1 <- df %>%
  mutate(
    fac1 = as.integer(factor(status)),
    fac2 = ifelse(fac1 == 4, 1, 0)
  )

• 方法二：保留了因子的字符名称，但无法直接通过整数编码值判断生成fac2

df2 <- df %>%
  mutate(
    fac1 = factor(status),
    fac2 = ifelse(fac1 == "UN member", 1, 0)
  )

目标是实现与Stata以下语法相同的功能：

encode status, gen(fact1)
gen fact2= 1 if fact1 == 4

解决方案 #

在R中，因子类型本身就同时存储了整数编码和对应的字符标签，只需正确提取编码值即可实现需求：

library(dplyr)

df_final <- df %>%
  mutate(
    fac1 = factor(status),  # 生成因子列，同时保留字符标签与整数层级
    fac2 = ifelse(as.integer(fac1) == 4, 1, 0)  # 提取因子的底层整数编码进行判断
  )

说明 #

• fac1为因子类型，既可以直接查看对应的字符标签，也可通过as.integer(fac1)获取其底层的整数编码（对应Stata中encode生成的变量编码）
• 如果需要指定编码顺序（比如让UN member对应编码4，与Stata默认的字母排序一致），可以手动指定因子的levels参数：

# 按字母顺序指定层级，确保UN member对应编码4
df_final <- df %>%
  mutate(
    fac1 = factor(status, levels = sort(unique(status))),
    fac2 = ifelse(as.integer(fac1) == 4, 1, 0)
  )

内容的提问来源于stack exchange，提问作者rez