如何在R中高效将含500+水平的因子变量重编码为二分类（批量前缀匹配）

starts_with() 是dplyr中用于选择列的函数，没法直接用来匹配字符串前缀。要批量处理以指定前缀开头的因子水平，推荐用base R的startsWith()或stringr包的str_starts()，以下是具体实现：

方法一：Base R 原生实现 #

无需额外安装包，直接操作因子的levels：

# 定义需要匹配的目标前缀（多个前缀可放在向量里，比如c("前缀1", "前缀2")）
target_prefix <- "Woman's mother or sister:"

# 获取因子的所有水平
cond_levels <- levels(DF1$MedicalCondition)

# 筛选出所有以目标前缀开头的水平
match_idx <- startsWith(cond_levels, target_prefix)

# 批量修改匹配到的水平为"1"，其余为"0"
levels(DF1$MedicalCondition)[match_idx] <- "1"
levels(DF1$MedicalCondition)[!match_idx] <- "0"

方法二：用stringr包简化匹配（支持多前缀） #

如果需要匹配多个前缀，stringr的str_starts()结合正则表达式更灵活：

library(stringr)

# 定义多个目标前缀，用|分隔表示"或"
target_prefixes <- "Woman's mother or sister:|Another prefix:"

# 筛选符合前缀的水平
match_idx <- str_starts(levels(DF1$MedicalCondition), target_prefixes)

# 批量重编码
levels(DF1$MedicalCondition)[match_idx] <- "1"
levels(DF1$MedicalCondition)[!match_idx] <- "0"

注意事项 #

• 如果原变量是有序因子，先转成普通因子再操作：DF1$MedicalCondition <- as.factor(DF1$MedicalCondition)
• 直接修改levels()比把因子转成字符再处理更高效，尤其适合500+水平的大因子。

内容的提问来源于stack exchange，提问作者19056530