如何在R中用自定义函数、if_else与grep批量重编码数据值

问题根源分析 #

你之前的代码无法批量运行，核心有两个问题：

1. 封装函数时直接引用了data$var，但across会把单列向量传递给函数，而非整个数据框，函数无法识别全局的data$var；
2. if_else要求两个分支的返回值类型一致，用NULL会导致类型不匹配，应该用整数型的NA_integer_对应1。

通用自定义函数写法 #

根据你的需求（存在非空白字符则编码为1，否则标记NA），可以写一个接收列向量的函数：

encode_binary <- function(x) {
  # 匹配空字符串或全空格的条目，取反后赋值1，否则NA
  if_else(!grepl("^\\s*$", x), 1L, NA_integer_)
}

如果需要严格匹配字母（和你原代码逻辑一致），可以把正则改成"[a-z]"，加上ignore.case = TRUE也能匹配大写字母：

encode_binary <- function(x) {
  if_else(grepl("[a-z]", x, ignore.case = TRUE), 1L, NA_integer_)
}

批量应用到指定列 #

用dplyr::mutate() + across()批量处理任意列范围，比如：

• 处理列名以q开头的所有列：

library(dplyr)

# 批量更新数据框
data <- data |> 
  mutate(across(starts_with("q"), encode_binary))

• 处理指定列向量variable中的列：

data <- data |> 
  mutate(across(all_of(variable), encode_binary))

• 处理第3到第102列：

data <- data |> 
  mutate(across(3:102, encode_binary))

无需自定义函数的简化写法 #

如果不想单独写函数，直接用匿名函数更高效：

data <- data |> 
  mutate(across(all_of(variable), ~ if_else(!grepl("^\\s*$", .x), 1L, NA_integer_)))

测试示例 #

构造测试数据验证效果：

# 测试数据
set.seed(123)
test_data <- tibble(
  id = 1:5,
  q1 = c("a", "", "b", "  ", "c"),
  q2 = c("", "d", "  ", "e", ""),
  q3 = c("f", "g", "", "", "h")
)

# 处理后结果
test_data_processed <- test_data |> 
  mutate(across(starts_with("q"), encode_binary))

输出结果：

# A tibble: 5 × 4
     id    q1    q2    q3
  <int> <int> <int> <int>
1     1     1    NA     1
2     2    NA     1     1
3     3     1    NA    NA
4     4    NA     1    NA
5     5     1    NA     1

内容的提问来源于stack exchange，提问作者Allison