dplyr中如何正确将值重编码为NA？解决类型报错问题

嘿，这个问题我太熟悉了！你遇到的报错核心原因是类型不匹配：你在recode里同时用了数值型的0、1和逻辑型的NA，R会自动把整个向量转换成逻辑型，但后续操作需要的是double（数值型）向量，所以就触发了这个错误。下面给你几个实用的解决办法：

方法1：用NA_real_指定数值型缺失值 #

直接把NA换成R里专门的数值型缺失值NA_real_，这样整个向量就会保持double类型，不会被转成逻辑型：

data %>% 
  mutate_at(vars(Q1), recode, "I don't agree" = 0, "I agree" = 1, "I don't know" = NA_real_)

方法2：用新版dplyr推荐的across()替代mutate_at() #

从dplyr 1.0.0版本开始，官方更推荐用across()来替代mutate_at()这类函数，语法更灵活直观：

data %>% 
  mutate(across(Q1, ~recode(., "I don't agree" = 0, "I agree" = 1, "I don't know" = NA_real_)))

方法3：用case_when()实现更清晰的重编码 #

如果你的重编码逻辑比较复杂，case_when()的可读性会更强，而且天然能避免类型冲突：

data %>% 
  mutate(Q1 = case_when(
    Q1 == "I don't agree" ~ 0,
    Q1 == "I agree" ~ 1,
    Q1 == "I don't know" ~ NA_real_,
    TRUE ~ NA_real_ # 兜底处理所有未匹配到的情况
  ))

额外提醒 #

如果你的Q1列原本是因子类型，记得先转成字符型再重编码，不然recode可能识别不了字符值：

data %>% 
  mutate(Q1 = as.character(Q1)) %>% 
  mutate(across(Q1, ~recode(., "I don't agree" = 0, "I agree" = 1, "I don't know" = NA_real_)))

内容的提问来源于stack exchange，提问作者J. Doe