为何使用dplyr的mutate与recode重编码数据后未完全生效？

你遇到的核心问题是浮点数精度导致的匹配失败：你在recode里用字符串形式的浮点数（比如"30.43478"）去匹配数值型的HSE列，但实际数据中这些浮点数的存储精度可能和你写的字符串不一致（比如原始数据里是30.4347826087，而非你写的30.43478），导致部分值匹配不上，看起来没被重编码。

解决方法 #

方法1：用case_when按数值范围匹配（推荐） #

这种方法不受浮点数精度影响，逻辑更清晰：

psqi_data <- psqi_data %>% 
  dplyr::mutate(HSE = dplyr::case_when(
    HSE %in% c(30.43478, 31.57895) ~ 3,
    HSE %in% c(66.66667, 67.92453, 68.96552, 70.00000, 70.58824) ~ 2,
    HSE %in% c(75.00000, 76.47059, 76.74419, 76.92308, 77.41935) ~ 1,
    HSE %in% c(109.09091, 114.28571, 120.00000, 150.00000) ~ 0,
    TRUE ~ HSE  # 保留未匹配的原始值，可选
  ))

如果担心数值精度，还可以用dplyr::near()函数判断近似相等：

psqi_data <- psqi_data %>% 
  dplyr::mutate(HSE = dplyr::case_when(
    near(HSE, 30.43478) | near(HSE, 31.57895) ~ 3,
    near(HSE, 66.66667) | near(HSE, 67.92453) | near(HSE, 68.96552) | 
      near(HSE, 70.00000) | near(HSE, 70.58824) ~ 2,
    near(HSE, 75.00000) | near(HSE, 76.47059) | near(HSE, 76.74419) | 
      near(HSE, 76.92308) | near(HSE, 77.41935) ~ 1,
    near(HSE, 109.09091) | near(HSE, 114.28571) | near(HSE, 120.00000) | 
      near(HSE, 150.00000) ~ 0,
    TRUE ~ HSE
  ))

方法2：统一浮点数精度后再用recode #

先把HSE列四舍五入到指定小数位，再进行匹配：

# 先统一精度到6位小数
psqi_data <- psqi_data %>% 
  dplyr::mutate(HSE_rounded = round(HSE, 6),
                HSE = dplyr::recode(HSE_rounded,
                                    30.43478 = 3,
                                    31.57895 = 3,
                                    66.66667 = 2,
                                    67.92453 = 2,
                                    68.96552 = 2,
                                    70.00000 = 2,
                                    70.58824 = 2,
                                    75.00000 = 1,
                                    76.47059 = 1,
                                    76.74419 = 1,
                                    76.92308 = 1,
                                    77.41935 = 1,
                                    109.09091 = 0,
                                    114.28571 = 0,
                                    120.00000 = 0,
                                    150.00000 = 0)) %>%
  dplyr::select(-HSE_rounded)  # 删掉临时列

失效原因 #

当HSE是数值型时，直接用字符串（比如"30.43478"）匹配，只有数据中的值和字符串完全一致（包括精度）时才会生效。但浮点数在计算机中存储时可能存在微小误差，比如30.43478实际存储为30.434780000000002，这时候字符串"30.43478"就匹配不上了。

内容的提问来源于stack exchange，提问作者Ella