基于条件多列重编码变量：mutate_all函数使用报错求助

我来帮你搞定这个问题！首先得解释下你之前的代码为什么会报错：fct_recode是用来重新编码因子水平的工具，而且starts_with()是用来选择数据框列的函数，根本不能用来匹配字符串内容，所以才会抛出那个错误提示。

下面给你几个符合tidyverse语法的简洁解决方案：

方法1：推荐使用across + str_detect + case_when #

这是最清晰、也符合最新tidyverse规范的写法，还能兼容大小写（比如匹配Yes/yes/YES）：

library(dplyr)
library(stringr)

# 处理所有列，替换匹配内容
data_cleaned <- data %>%
  mutate(across(everything(), ~ case_when(
    # 匹配以Yes/yes开头的字符串，替换为Checked
    str_detect(., regex("^yes", ignore_case = TRUE)) ~ "Checked",
    # 匹配以No/no开头的字符串，替换为Unchecked
    str_detect(., regex("^no", ignore_case = TRUE)) ~ "Unchecked",
    # 万一有不符合上述两种情况的值，保留原内容（可选，根据你的需求调整）
    TRUE ~ .
  )))

说明： #

• across(everything())替代了旧的mutate_all，是现在dplyr推荐的批量列操作方式
• regex("^yes", ignore_case = TRUE)确保不管大小写都能匹配到以Yes开头的内容
• case_when让条件逻辑一目了然，可读性很强

方法2：自定义函数批量处理 #

如果你喜欢把逻辑封装成函数，也可以这么写：

# 定义替换函数
convert_check_status <- function(x) {
  ifelse(str_detect(x, regex("^yes", ignore_case = TRUE)),
         "Checked",
         ifelse(str_detect(x, regex("^no", ignore_case = TRUE)),
                "Unchecked",
                x))
}

# 应用到所有列
data_cleaned <- data %>%
  mutate(across(everything(), convert_check_status))

方法3：简化版（仅当所有值都以Yes/No开头时适用） #

如果能确定数据里的每一个值都是以Yes或No开头的，还可以用更简洁的写法：

data_cleaned <- data %>%
  mutate(across(everything(), ~ recode(.,
                                       !!str_subset(., regex("^yes", ignore_case = TRUE)) := "Checked",
                                       !!str_subset(., regex("^no", ignore_case = TRUE)) := "Unchecked")))

不过这种方法的可读性稍差，数据量大的时候效率也不如前两种，所以更推荐前两个方案。

内容的提问来源于stack exchange，提问作者Aytan