如何用Tidyverse工具将编码值替换为数据字典的可读文本？

针对你处理普查数据时需要批量转换数十个变量编码的需求，用tidyverse的长格式转换+连接操作可以一次性完成所有变量的转换，不用逐个手动处理。

核心代码实现 #

首先确保加载tidyverse包：

library(tidyverse)

然后执行以下代码完成批量转换：

responses_human <- responses %>%
  # 将除个案编号外的所有变量转为长格式，统一匹配字典
  pivot_longer(cols = -n_case, names_to = "name", values_to = "value") %>%
  # 按变量名+编码值匹配字典中的标签
  left_join(dic, by = c("name", "value")) %>%
  # 移除原编码列，仅保留标签
  select(-value) %>%
  # 转回宽格式，恢复原数据结构
  pivot_wider(names_from = "name", values_from = "tag")

运行后得到的responses_human就是你需要的可读格式，和示例输出完全一致。

适配实际数据的注意事项 #

1. 标识列调整：如果你的数据中有多个不需要转换的标识列（比如多个ID字段），把cols = -n_case改成cols = -c(列名1, 列名2)即可。
2. 字典列名适配：如果你的数据字典列名不是name/value/tag，先给字典重命名，比如：

   dic <- dic %>%
     rename(name = 原变量名称列, value = 原编码数值列, tag = 原标签文本列)
   

3. 缺失编码处理：如果存在字典中没有的编码值，left_join会生成NA，可以加一步处理：

   responses_human <- responses %>%
     pivot_longer(cols = -n_case, names_to = "name", values_to = "value") %>%
     left_join(dic, by = c("name", "value")) %>%
     # 把缺失标签的编码转为原数值的文本形式，也可以换成你需要的占位符
     mutate(tag = ifelse(is.na(tag), as.character(value), tag)) %>%
     select(-value) %>%
     pivot_wider(names_from = "name", values_from = "tag")
   

这个方法不管是84个变量还是更多，都能一次完成转换，后续处理其他普查数据时只要调整标识列和字典列名即可复用。

内容的提问来源于stack exchange，提问作者Gabriel