如何将字符串版DataFrame的因子水平映射到含NA的数值版DataFrame

问题根源 #

你之前的循环报错，是因为factor()函数的levels参数会自动去重并排除NA，导致levels的长度和labels（原列全量值，包含NA和重复项）长度不匹配。比如示例中df1$X1的levels去重后是c("2","3")（长度2），但labels用了df2$X1的全量值c(NA,"B","K")（长度3），触发长度不匹配的错误。

解决方案1：修正循环逻辑 #

针对每一列，先提取非NA的唯一数值-标签映射对，再基于这个映射创建因子，同时保留原数据中的NA：

for (col in colnames(df1)) {
  # 筛选当前列df1和df2均非NA的行
  non_na_rows <- !is.na(df1[[col]]) & !is.na(df2[[col]])
  # 获取唯一的数值-标签映射对（去重，确保每个数值对应唯一标签）
  unique_pairs <- unique(data.frame(val = df1[[col]][non_na_rows], 
                                    lab = df2[[col]][non_na_rows]))
  # 创建因子：用唯一数值做levels，对应标签做labels，exclude=NULL保留原NA
  df1[[col]] <- factor(df1[[col]], 
                       levels = unique_pairs$val, 
                       labels = unique_pairs$lab,
                       exclude = NULL)
}

解决方案2：用dplyr批量处理（更简洁） #

如果习惯用tidyverse语法，可通过across()实现多列批量处理：

library(dplyr)

df1 <- df1 %>%
  mutate(across(everything(), ~ {
    # 匹配df2中对应的列
    df2_col <- df2[[cur_column()]]
    # 提取非NA的唯一映射对
    non_na <- !is.na(.x) & !is.na(df2_col)
    unique_map <- unique(tibble(val = .x[non_na], lab = df2_col[non_na]))
    # 转换为因子并保留NA
    factor(.x, levels = unique_map$val, labels = unique_map$lab, exclude = NULL)
  }))

注意事项 #

• 确保同一列中相同数值对应的标签完全一致，如果存在同一数值对应不同标签的冲突，需要先统一映射规则（比如取首次出现的标签）。
• exclude=NULL参数会保留原数据中的NA，不会将其转换为因子的<NA>水平，符合你保留缺失值的需求。

内容的提问来源于stack exchange，提问作者W Hampton