如何使用R按表头条件统一数据列的度量单位？

问题背景 #

给定的df1包含NY、PR、KR三组记录，每组前有一行定义该组各列的度量单位，需要将所有列统一到指定标准单位：

• 容量类（Beer、Coffee、Gasoline、Milk）：统一为liters
• 面积类（Warehouse）：统一为square feet
• 距离类（Nearest place）：统一为miles

已知转换系数：

• 1 gallon = 3.78541 liters
• 1 pint = 0.473176 liters
• 1 oz = 0.0295735 liters
• 11 square feet = 1.02193 square meters → 1 square meter ≈ 10.7639 square feet
• 1 mile = 1.60934 kilometers → 1 kilometer ≈ 0.621371 miles

优雅实现方案 #

使用tidyverse工具链完成分组识别、单位提取、数值转换和数据合并，代码可读性强且易于扩展：

library(tidyverse)

# 1. 定义单位转换规则：键为(度量类型, 当前单位)，值为转换到目标单位的系数
conversion_rules <- list(
  # 容量类目标：liters
  c("Beer", "pints") = 0.473176,
  c("Beer", "liters") = 1,
  c("Coffee", "oz") = 0.0295735,
  c("Coffee", "cups (120 ml)") = 0.12, # 120ml = 0.12 liters
  c("Gasoline", "galons") = 3.78541,
  c("Gasoline", "liters") = 1,
  c("Milk", "galons") = 3.78541,
  c("Milk", "liters") = 1,
  # 面积类目标：square feet
  c("Warehouse", "square feet") = 1,
  c("Warehouse", "square meters") = 11 / 1.02193,
  # 距离类目标：miles
  c("Nearest place", "miles") = 1,
  c("Nearest place", "kilometers") = 1 / 1.60934
)

# 2. 处理原始数据：添加组标识，拆分单位行和数据行
processed_df <- df1 %>%
  mutate(group_id = cumsum(M1 == "M1")) %>%
  group_by(group_id) %>%
  group_split() %>%
  map_dfr(function(group) {
    # 提取单位行（每组第一行）
    unit_row <- slice(group, 1)
    # 提取数据行（每组剩余行）并转数值类型
    data_rows <- slice(group, -1) %>%
      mutate(across(-c(M1, M2), as.numeric))
    
    # 提取每个列的度量类型和当前单位
    col_info <- names(data_rows) %>%
      setdiff(c("M1", "M2")) %>%
      map_dfr(function(col) {
        metric_type <- str_extract(col, "^[^,]+")
        current_unit <- unit_row[[col]]
        tibble(col_name = col, metric_type, current_unit)
      })
    
    # 对每个数值列应用单位转换并重命名列
    converted_data <- data_rows %>%
      mutate(across(-c(M1, M2), function(col_val, col_name) {
        info <- filter(col_info, col_name == !!col_name)
        conv_coeff <- conversion_rules[[c(info$metric_type, info$current_unit)]]
        col_val * conv_coeff
      }, .names = "{str_extract(.col, '^[^,]+')}")) %>%
      rename_with(function(nm) {
        case_when(
          str_detect(nm, "Beer|Coffee|Gasoline|Milk") ~ paste0(nm, "_liters"),
          str_detect(nm, "Warehouse") ~ paste0(nm, "_sqft"),
          str_detect(nm, "Nearest place") ~ paste0(nm, "_miles")
        )
      })
    
    converted_data
  })

# 查看最终结果
print(processed_df)

代码说明 #

1. 转换规则定义：用列表存储(度量类型, 当前单位)到转换系数的映射，新增单位时只需扩展此列表，维护成本低。
2. 分组处理：通过cumsum(M1 == "M1")自动识别每组的起始行，将数据拆分为独立组后逐个处理，避免跨组干扰。
3. 单位提取与转换：从单位行中提取每个列的当前单位，匹配转换规则后完成数值转换，同时重命名列以明确标准单位。
4. 数据合并：用map_dfr将所有转换后的组合并为最终整洁数据框，保留原始分组的标识列（M1、M2）。

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