如何在R中实现类似SPSS的变量重编码操作？

问题说明 #

现有如下结构的DataFrame：

id v1 v2 v3 v4 v5
1  .  1  .  2  3
2  1  2  3  .  .
3  3  2  .  1  .

需按照以下规则重编码为目标格式：

id v1 v2 v3 v4 v5
1  0  3  0  2  1
2  3  2  1  0  0
3  1  2  0  3  0

重编码规则 #

• 缺失值（.）替换为0
• 3替换为1
• 1替换为3
• 其余值保持不变

SPSS中可通过直观语句实现：

recode v1 to v5 (sysmis=0)(3=1)(1=3)(else=copy). 

实现方案 #

1. Base R 方案 #

无需额外安装包，通过lapply遍历目标列，按规则依次替换：

# 构造原始数据框（R中用NA表示缺失值）
df <- data.frame(
  id = 1:3,
  v1 = c(NA, 1, 3),
  v2 = c(1, 2, 2),
  v3 = c(NA, 3, NA),
  v4 = c(2, NA, 1),
  v5 = c(3, NA, NA),
  stringsAsFactors = FALSE
)

# 对v1至v5列应用重编码
df[, -1] <- lapply(df[, -1], function(x) {
  x[is.na(x)] <- 0  # 缺失值转0
  x[x == 3] <- 1    # 3替换为1
  x[x == 1] <- 3    # 1替换为3
  x
})

2. Tidyverse 方案 #

使用dplyr包的across和case_when，逻辑与SPSS语句高度一致：

library(dplyr)

# 构造原始数据框
df <- tibble(
  id = 1:3,
  v1 = c(NA, 1, 3),
  v2 = c(1, 2, 2),
  v3 = c(NA, 3, NA),
  v4 = c(2, NA, 1),
  v5 = c(3, NA, NA)
)

# 按规则重编码
df_recoded <- df %>%
  mutate(across(v1:v5, ~ case_when(
    is.na(.) ~ 0,
    . == 3 ~ 1,
    . == 1 ~ 3,
    TRUE ~ .  # 其余值保留
  )))

也可以拆分步骤，先处理缺失值再替换数值：

df_recoded <- df %>%
  mutate(across(v1:v5, ~ replace_na(., 0))) %>%
  mutate(across(v1:v5, ~ recode(., `1` = 3, `3` = 1, .default = .)))

内容的提问来源于stack exchange，提问作者EGM8686