如何简化多数据框中同一变量的相同规则重编码操作？

方案1：封装自定义函数，复用重编码逻辑 #

把重复的重编码逻辑写成一个函数，之后每个数据框直接调用即可，后续调整分组规则只需修改函数，不用改动多处代码：

# 定义处理age变量的函数
process_age_group <- function(df) {
  df %>%
    mutate(
      age_group = cut(
        age,
        breaks = c(17, 29, 39, 49, 64, Inf),  # 左开右闭，17作为左边界确保18被纳入第一个区间
        labels = c("18-29", "30-39", "40-49", "50-64", "65+"),
        include.lowest = TRUE  # 保证边界值被正确归类
      )
    )
}

# 调用函数处理数据框
FL <- process_age_group(FL)
GA <- process_age_group(GA)

这里用cut()替代了原代码的case_when()，因为年龄是连续数值，cut()能直接按区间生成带标签的因子，一步完成分组和类型转换，比case_when()更简洁。

方案2：批量处理多个数据框（适合数据框数量多的场景） #

如果后续还有更多州的数据集，把它们放进列表，用purrr包批量处理，效率更高：

library(purrr)

# 将需要处理的数据框存入列表
state_dfs <- list(FL = FL, GA = GA)

# 批量应用处理函数
state_dfs_processed <- map(state_dfs, process_age_group)

# 提取处理后的数据框
FL <- state_dfs_processed$FL
GA <- state_dfs_processed$GA

这种方式不管有多少个数据框，都不用重复编写mutate逻辑，后续维护更方便。

补充说明 #

如果一定要保留case_when()的写法，也可以把case_when和factor的逻辑封装进自定义函数，核心思路还是复用代码；用cut()只是针对连续数值分组的更优选择。

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