抑郁相关字符串变量dp1转二进制变量（含缺失值）求助

针对你提到的dp1变量（取值为"yes"、"no"、"don't know"），以下是主流统计工具的实现方案，满足yes=1、no=0、"don't know"设为缺失值的需求：

R语言实现 #

基础R写法 #

# 生成新的二进制变量
df$dp1_binary <- ifelse(df$dp1 == "yes", 1, 
                        ifelse(df$dp1 == "no", 0, NA))

dplyr包写法（更清晰的多条件判断） #

library(dplyr)

df <- df %>%
  mutate(dp1_binary = case_when(
    dp1 == "yes" ~ 1,
    dp1 == "no" ~ 0,
    TRUE ~ NA_real_  # 其余情况（包括"don't know"）设为缺失
  ))

Python Pandas实现 #

map函数方法 #

import pandas as pd

# 用字典映射取值，未匹配的自动设为NaN
df['dp1_binary'] = df['dp1'].map({'yes': 1, 'no': 0}).astype('Int64')
# 注：astype('Int64')支持整数类型的缺失值（避免默认float类型）

replace函数方法 #

import pandas as pd

# 直接替换指定取值，"don't know"替换为缺失值
df['dp1_binary'] = df['dp1'].replace({'yes': 1, 'no': 0, "don't know": pd.NA})

Stata实现 #

* 先初始化新变量为缺失值
gen dp1_binary = .
* 替换对应取值
replace dp1_binary = 1 if dp1 == "yes"
replace dp1_binary = 0 if dp1 == "no"
* "don't know"的情况保持初始的缺失值即可

额外注意事项 #

如果数据中存在字符串格式不一致的情况（比如大小写混用、首尾空格），建议先清理变量：

• R语言（需stringr包）：

library(stringr)
df$dp1 <- df$dp1 %>% str_trim() %>% tolower()

• Python Pandas：

df['dp1'] = df['dp1'].str.strip().str.lower()

内容的提问来源于stack exchange，提问作者Owen